Giải mã các thuật ngữ AI từ "AGI" đến "opaque recurrence"

TL;DR: Bài viết cập nhật bảng thuật ngữ AI, trong đó “opaque recurrence” nổi lên như một kỹ thuật suy luận mới gây chú ý vì có thể làm việc giám sát an toàn khó hơn.

AI đang tạo ra một lớp từ vựng riêng, từ những khái niệm quen dần như LLM và AI agent đến các thuật ngữ kỹ thuật như MCP, token throughput hay RLHF. Một số từ mô tả tính năng người dùng có thể chạm vào; số khác giải thích chi phí, hạ tầng và các rủi ro nằm phía sau sản phẩm.

Bảng giải thích của TechCrunch tập hợp các khái niệm thường gặp khi theo dõi AI. Điều quan trọng là không phải thuật ngữ nào cũng là một tiêu chuẩn rõ ràng: có khái niệm vẫn còn nhiều định nghĩa, còn một số khác phản ánh tranh luận đang diễn ra về an toàn mô hình.

AI có thể làm gì?

AGI, hay trí tuệ nhân tạo tổng quát, thường chỉ AI có năng lực ngang hoặc vượt con người trong nhiều, hoặc phần lớn, nhiệm vụ. Tuy nhiên, đây là khái niệm mơ hồ. OpenAI, Google DeepMind và các lãnh đạo trong ngành dùng những định nghĩa không hoàn toàn giống nhau, từ làm tốt phần lớn công việc có giá trị kinh tế đến xử lý phần lớn nhiệm vụ nhận thức.

LLM (mô hình ngôn ngữ lớn) là nền tảng của các trợ lý như ChatGPT, Claude, Gemini hay Copilot. Mô hình học các quy luật giữa từ ngữ và cụm từ từ lượng dữ liệu văn bản rất lớn, rồi tạo ra phần tiếp theo phù hợp nhất với prompt, tức yêu cầu của người dùng.

AI agent là công cụ dùng AI để thực hiện một chuỗi hành động thay người dùng, thay vì chỉ trả lời trong một khung chat. Chẳng hạn, nó có thể xử lý báo cáo chi phí, đặt vé hoặc hỗ trợ viết và bảo trì mã. Khái niệm này vẫn được dùng khá rộng: một agent có thể kết hợp nhiều hệ thống AI và công cụ phần mềm, trong khi hạ tầng cho hoạt động tự chủ vẫn đang được xây dựng.

Coding agent là phiên bản chuyên cho phát triển phần mềm. Thay vì chỉ đề xuất đoạn mã để lập trình viên sao chép, công cụ này có thể viết, kiểm thử và sửa lỗi theo từng bước. Dù vậy, TechCrunch lưu ý công việc vẫn cần con người kiểm tra.

AI kết nối và suy luận ra sao?

API endpoint có thể hình dung là “nút bấm” phía sau phần mềm, để một chương trình khác gọi chức năng hoặc lấy dữ liệu. Các điểm kết nối này giúp ứng dụng tích hợp với nhau và có thể cho phép agent điều khiển dịch vụ bên thứ ba mà không cần người dùng thao tác từng giao diện.

MCP (Model Context Protocol) là chuẩn mở giúp mô hình AI kết nối với công cụ và dữ liệu bên ngoài, như tệp, cơ sở dữ liệu, Slack hoặc Google Drive, mà không phải làm bộ kết nối riêng cho từng cặp dịch vụ. Anthropic giới thiệu MCP năm 2024, sau đó chuyển chuẩn này cho Linux Foundation; OpenAI, Google và Microsoft đã áp dụng nó, theo TechCrunch.

Chain of thought là cách mô hình chia một vấn đề thành các bước trung gian để cải thiện kết quả. Phương pháp này thường mất thời gian hơn, nhưng có thể hữu ích với bài toán logic hoặc lập trình. Các reasoning model, tức mô hình tối ưu cho suy luận, thường được phát triển từ LLM và dùng reinforcement learning — phương pháp huấn luyện qua tín hiệu thưởng-phạt. RLHF là một biến thể sử dụng phản hồi từ con người.

Những từ gắn với chi phí và hạ tầng

Compute là năng lực tính toán để huấn luyện và vận hành AI, thường được nói cùng GPU, CPU, TPU và hạ tầng trung tâm dữ liệu. Training là giai đoạn mô hình học quy luật từ dữ liệu; inference là giai đoạn chạy mô hình để tạo câu trả lời hoặc dự đoán.

Token là các mảnh nhỏ của văn bản mà LLM xử lý; chúng có thể là cả từ hoặc một phần từ. Token cũng liên quan trực tiếp đến hóa đơn sử dụng AI, vì nhiều nhà cung cấp tính phí theo số token. Token throughput là lượng token một hệ thống xử lý trong một khoảng thời gian, ảnh hưởng đến tốc độ phản hồi và số người dùng có thể được phục vụ cùng lúc.

Memory cache lưu lại một số phép tính để mô hình không phải làm lại ở yêu cầu sau, qua đó giúp inference hiệu quả hơn. Parallelization là chia nhiều phép tính để chạy đồng thời trên nhiều chip hoặc máy chủ. Còn MoE (Mixture of Experts) chia mạng nơ-ron thành nhiều nhóm chuyên biệt và chỉ kích hoạt một số nhóm phù hợp cho mỗi yêu cầu, nhằm giảm lượng tính toán cần dùng.

Fine-tuning là huấn luyện thêm một mô hình cho nhiệm vụ hoặc lĩnh vực cụ thể bằng dữ liệu chuyên ngành. Distillation là cách dùng đầu ra của mô hình lớn hơn như một “giáo viên” để huấn luyện mô hình nhỏ hơn, hiệu quả hơn. Những kỹ thuật như deep learning, mạng nơ-ron, diffusion và GAN cũng là các nền tảng hoặc phương pháp tạo ra nhiều hệ thống AI tạo sinh hiện nay.

Những thuật ngữ cần thận trọng

Hallucination là khi AI bịa ra hoặc tạo thông tin không đúng. Đây không chỉ là lỗi diễn đạt: câu trả lời sai cho vấn đề sức khỏe, chẳng hạn, có thể dẫn đến rủi ro ngoài đời thực. TechCrunch cho biết các mô hình chuyên biệt theo lĩnh vực được xem là một hướng giảm khoảng trống kiến thức, nhưng không đồng nghĩa loại bỏ hoàn toàn lỗi này.

Opaque recurrence, còn được gọi là recurrent depth, là kỹ thuật đưa cùng một truy vấn lặp lại qua các tầng nội bộ của mô hình, thay vì suy luận tuần tự bằng ngôn ngữ dễ đọc. Theo mô tả của TechCrunch, cách làm này có thể giúp mô hình nhỏ đạt hiệu quả cao hơn với ít compute hơn.

Đổi lại, kỹ thuật này để lại ít dấu vết dễ đọc hơn so với chain of thought, khiến các nhà nghiên cứu an toàn lo ngại việc phát hiện hành vi bất thường sẽ khó hơn. OpenAI cho biết Astra, mô hình được nhắc đến vì sử dụng opaque recurrence, vẫn giữ chain of thought có thể đọc được; tuy vậy, tranh luận về mức độ giám sát cần thiết vẫn đáng theo dõi.

Neuralese là kịch bản giả định cực đoan hơn, khi mô hình suy luận hoàn toàn qua các biểu diễn số nội bộ và quá trình này thành “hộp đen”. TechCrunch nêu rằng chưa có mô hình nào được phát hành theo cách đó. Trong khi đó, RAMageddon là cách gọi mang tính dí dỏm cho tình trạng thiếu RAM do nhu cầu bộ nhớ của hạ tầng AI tăng mạnh, có thể đẩy giá lên và ảnh hưởng đến gaming, điện tử tiêu dùng lẫn doanh nghiệp.

Vì sao đáng chú ý?

Hiểu thuật ngữ AI giúp phân biệt rõ hơn giữa năng lực thực tế, cách vận hành và tuyên bố marketing. Với người dùng và doanh nghiệp, các câu hỏi quan trọng không chỉ là công cụ “thông minh” đến đâu, mà còn là nó được phép làm gì, cần truy cập dữ liệu nào, chi phí phát sinh ở đâu và con người còn giám sát được đến mức nào.

• Theo báo chí: Opaque recurrence, and other AI terms that you should probably know — TechCrunch AI — 08/09/2026