Lời Mở Đầu
Ai nên đọc cuốn sách này
Cuốn sách này dành cho những người tò mò nhưng không chuyên về kỹ thuật. Có thể bạn đã từng mở một chatbot, hỏi vài câu, rồi tự hỏi bên trong nó thật sự hoạt động như thế nào. Bạn không cần biết lập trình, không cần giỏi toán, cũng không cần hiểu sẵn các thuật ngữ về máy học. Điều duy nhất bạn cần là đã từng thử dùng một mô hình AI và cảm thấy muốn tìm hiểu thêm. Khi hiểu được cơ chế đứng sau các hành vi của những hệ thống này, bạn sẽ không còn xem chúng như một hộp đen. Bạn sẽ biết cách sử dụng chúng hiệu quả hơn, đồng thời vẫn giữ được sự tỉnh táo để đánh giá và đặt câu hỏi về chúng.
Nên đọc cuốn sách này như thế nào
Hãy đọc cuốn sách theo thứ tự, đừng đọc kiểu thích phần nào thì đọc phần đó. Phần 1 giới thiệu ý tưởng chính mà cả cuốn sách dựa vào. Những phần sau đều dùng lại ý tưởng này. Vì vậy, nếu bạn nhảy cóc lên trước, bạn sẽ bỏ qua nền tảng cần thiết để hiểu các phần sau. Phần lớn các chương có cùng một cách trình bày: trước hết là một phép so sánh bằng ngôn ngữ đời thường để giúp bạn hình dung cơ chế rõ hơn, sau đó là vài luận điểm cụ thể mà bạn có thể tự kiểm chứng, tiếp theo là một bài tập 5 phút có thể thử ngay trong bất kỳ chatbot nào, và cuối cùng là phần giải thích vì sao điều đó quan trọng trong đời thực. Nhiều chương cũng sẽ giúp bạn gỡ bỏ một hiểu lầm phổ biến. Các chương liên kết với nhau và nhắc lại những ý đã nói trước đó, như hình ảnh xúc xắc có trọng số ở Chương 4 hay tấm bảng trắng ở Chương 8. Mỗi điều có vẻ kỳ lạ đều có một cơ chế phía sau. Khi bạn hiểu được cơ chế đó, điều kỳ lạ sẽ không còn bí ẩn nữa. Hãy làm các bài tập. Đọc về một điểm mù là một chuyện, nhưng tự mình nhìn thấy nó xảy ra ngay trên màn hình của mình mới là cách khiến bài học in sâu trong đầu.
Mạch chính của cuốn sách
Cuốn sách này đi từ câu hỏi cơ bản đến câu hỏi thực tế hơn: cỗ máy này là gì, rồi làm sao dùng và đánh giá nó một cách khôn ngoan. Mỗi phần chuẩn bị cho phần sau. Hành trình bắt đầu từ điều nền tảng nhất: mô hình không thật sự đọc chữ như con người. Nó chia chữ thành những mảnh nhỏ, rồi làm một việc chính là đoán mảnh tiếp theo. Khi được huấn luyện, khả năng đoán đó được điều chỉnh để mô hình có thể nói năng giống một trợ lý hữu ích. Vì ở mỗi bước mô hình chọn câu trả lời theo các khả năng có trọng số, nên nếu hỏi cùng một câu hai lần, bạn có thể nhận được hai cách diễn đạt khác nhau. Sau khi hiểu cỗ máy vận hành ra sao, bạn học cách điều khiển nó tốt hơn bằng ví dụ, bằng cách nói rõ cách tiếp cận, và bằng một kế hoạch cụ thể. Tiếp đó, bạn học cách quản lý lượng văn bản có hạn mà mô hình có thể giữ trong đầu cùng lúc, bằng cách cắt bớt, sắp xếp, đặt lại bối cảnh, tóm tắt và lặp lại quy trình. Khi đã có những kỹ năng này, bạn có thể xử lý công việc ở quy mô lớn hơn. Bạn có thể trao công cụ cho mô hình để nó thực hiện hành động, rồi chia một việc lớn thành nhiều việc nhỏ, mỗi việc chỉ tập trung vào một nhiệm vụ. Đây chính là lúc bài học về trí nhớ có hạn của mô hình trở nên rất hữu ích. Chỉ khi cỗ máy đã trở nên dễ hiểu hơn, cuốn sách mới thẳng thắn nói về giới hạn của nó. Một hệ thống được tạo ra để đoán điều nghe có vẻ đúng, chứ không phải để biết điều gì là thật, có thể bịa chuyện, nói điều bạn muốn nghe, hoặc bỏ sót những lỗi mà bạn khó nhận ra. Vì vậy, con người vẫn cần kiểm tra lại kết quả, và chuyên môn thật sự vẫn rất quan trọng. Từ đó, cuốn sách mở rộng góc nhìn. Bạn học cách tự xây dựng tiêu chí đánh giá thay vì chỉ tin vào một điểm số. Bạn cũng học cách nhận ra độ chệch của mô hình đến từ đâu, và chú ý đến cách các hệ thống gợi ý âm thầm định hình thực tại mà mỗi người nhìn thấy. Lời kết cũng là ý chính âm thầm của cả cuốn sách: trong thời đại AI, việc tự học thêm chính là thứ giúp bạn điều khiển cỗ máy tốt hơn, dù chỉ từng chút một.