- Artificial Intelligence (AI) – Trí tuệ nhân tạo, lĩnh vực xây dựng hệ thống có khả năng thực hiện các tác vụ đòi hỏi trí thông minh của con người.
- Machine Learning (ML) – Học máy, phương pháp giúp máy tính học quy luật từ dữ liệu.
- Deep Learning (DL) – Học sâu, nhánh ML sử dụng mạng neural nhiều tầng.
- Neural Network – Mạng nơ-ron nhân tạo, mô hình tính toán lấy cảm hứng từ hệ thần kinh.
- Artificial General Intelligence (AGI) – Trí tuệ nhân tạo tổng quát.
- Narrow AI – AI chuyên biệt, được thiết kế cho các nhiệm vụ cụ thể.
- Generative AI (GenAI) – AI tạo sinh văn bản, hình ảnh, âm thanh, video hoặc code.
- Multimodal AI – AI có khả năng xử lý nhiều dạng dữ liệu khác nhau.
- Inference – Quá trình sử dụng mô hình đã huấn luyện để tạo kết quả.
- Model – Mô hình AI, hệ thống toán học học các quy luật từ dữ liệu.
- Supervised Learning – Học có giám sát bằng dữ liệu đã gắn nhãn.
- Unsupervised Learning – Học không giám sát, tìm cấu trúc trong dữ liệu chưa gắn nhãn.
- Semi-supervised Learning – Học bán giám sát, kết hợp dữ liệu có nhãn và không nhãn.
- Reinforcement Learning (RL) – Học tăng cường thông qua tương tác và phần thưởng.
- Self-supervised Learning – Học tự giám sát, tạo tín hiệu học từ chính dữ liệu.
- Transfer Learning – Học chuyển giao kiến thức từ mô hình đã huấn luyện.
- Fine-tuning – Tinh chỉnh mô hình bằng dữ liệu chuyên biệt.
- Overfitting – Mô hình học quá sát dữ liệu huấn luyện.
- Underfitting – Mô hình chưa học đủ để nắm bắt quy luật dữ liệu.
- Cross-validation – Phương pháp chia dữ liệu để đánh giá mô hình.
- Transformer – Kiến trúc neural network sử dụng Attention.
- Attention Mechanism – Cơ chế giúp mô hình tập trung vào thông tin quan trọng.
- Self-Attention – Cơ chế đánh giá mức độ liên quan giữa các token.
- Embedding – Biểu diễn dữ liệu thành vector số.
- Vector Space – Không gian biểu diễn các đối tượng bằng vector.
- Positional Encoding – Cách cung cấp thông tin vị trí cho token.
- Encoder – Thành phần mã hóa dữ liệu đầu vào.
- Decoder – Thành phần tạo đầu ra từ biểu diễn đã xử lý.
- Mixture of Experts (MoE) – Kiến trúc sử dụng nhiều expert network và cơ chế routing.
- Diffusion Model – Mô hình tạo sinh học cách khôi phục dữ liệu từ trạng thái nhiễu.
- Large Language Model (LLM) – Mô hình ngôn ngữ lớn được huấn luyện trên dữ liệu quy mô lớn.
- Token – Đơn vị dữ liệu mà LLM sử dụng để xử lý văn bản.
- Tokenization – Quá trình chuyển văn bản thành chuỗi token.
- Context Window – Giới hạn lượng token mô hình có thể tiếp nhận.
- Prompt – Nội dung đầu vào định hướng kết quả của mô hình.
- System Prompt – Chỉ dẫn cấp hệ thống quy định vai trò và hành vi AI.
- Prompt Engineering – Kỹ thuật thiết kế prompt để cải thiện kết quả.
- Temperature – Tham số điều chỉnh mức độ ngẫu nhiên khi sinh kết quả.
- Top-p Sampling – Phương pháp chọn token dựa trên xác suất tích lũy.
- Hallucination – Hiện tượng AI tạo thông tin sai nhưng trình bày như sự thật.
- Retrieval-Augmented Generation (RAG) – Kết hợp truy xuất dữ liệu bên ngoài với khả năng sinh nội dung của LLM.
- Vector Database – Cơ sở dữ liệu chuyên lưu trữ và tìm kiếm vector.
- Semantic Search – Tìm kiếm dựa trên ý nghĩa và ngữ cảnh.
- Chunking – Chia tài liệu thành các đoạn nhỏ.
- Indexing – Tổ chức dữ liệu để tìm kiếm hiệu quả.
- Retrieval – Quá trình truy xuất dữ liệu liên quan.
- Reranking – Sắp xếp lại kết quả truy xuất theo mức độ liên quan.
- Hybrid Search – Kết hợp tìm kiếm từ khóa và tìm kiếm ngữ nghĩa.
- Knowledge Graph – Đồ thị biểu diễn thực thể và mối quan hệ.
- Grounding – Neo câu trả lời AI vào nguồn dữ liệu hoặc bằng chứng cụ thể.
- AI Agent – Hệ thống AI có khả năng nhận mục tiêu, lập kế hoạch và thực hiện hành động.
- Agentic AI – Cách tiếp cận xây dựng hệ thống AI có tính tự chủ.
- Agent Loop – Vòng lặp nhận thông tin, suy luận, hành động và quan sát.
- Tool Calling – Khả năng yêu cầu thực thi công cụ bên ngoài.
- Function Calling – Cơ chế gọi hàm với các tham số có cấu trúc.
- Planning – Quá trình chia mục tiêu thành các bước thực hiện.
- Task Decomposition – Phân rã nhiệm vụ phức tạp thành nhiệm vụ nhỏ.
- Multi-Agent System – Hệ thống nhiều agent phối hợp với nhau.
- Agent Memory – Cơ chế lưu giữ thông tin cho agent.
- Human-in-the-loop (HITL) – Đưa con người vào quy trình giám sát hoặc xác nhận.
- AI Harness – Lớp hạ tầng bao quanh model, cung cấp môi trường thực thi, tools, context và kiểm soát.
- MCP (Model Context Protocol) – Giao thức chuẩn hóa cách ứng dụng AI kết nối với dữ liệu và công cụ bên ngoài.
- MCP Server – Thành phần cung cấp tools, resources và prompts thông qua MCP.
- Orchestration – Điều phối model, agent, tool và workflow.
- Workflow – Chuỗi bước thực thi nhằm hoàn thành một nhiệm vụ.
- State Management – Quản lý trạng thái của agent hoặc workflow.
- Checkpointing – Lưu trạng thái để có thể khôi phục hoặc tiếp tục.
- Sandbox – Môi trường cô lập để AI thực thi code hoặc thao tác an toàn.
- Computer Use – Khả năng AI tương tác với máy tính qua giao diện đồ họa.
- Browser Automation – Tự động hóa thao tác trình duyệt bằng AI hoặc công cụ điều khiển.
- Quantization – Giảm độ chính xác biểu diễn trọng số để giảm dung lượng mô hình.
- Pruning – Loại bỏ thành phần ít quan trọng của mô hình.
- Knowledge Distillation – Chuyển giao kiến thức từ mô hình lớn sang mô hình nhỏ.
- LoRA (Low-Rank Adaptation) – Kỹ thuật fine-tuning bằng các ma trận hạng thấp.
- QLoRA – Kết hợp quantization và LoRA để tiết kiệm tài nguyên khi fine-tuning.
- Batch Inference – Xử lý nhiều yêu cầu inference trong cùng một batch.
- Streaming Inference – Trả kết quả từng phần thay vì chờ hoàn tất.
- KV Cache – Bộ nhớ lưu Key và Value đã tính toán để giảm chi phí xử lý.
- Speculative Decoding – Sử dụng mô hình dự đoán nhanh để hỗ trợ mô hình lớn sinh token.
- Model Routing – Điều hướng yêu cầu đến model phù hợp.
- AI Evaluation (Evals) – Đo lường chất lượng và khả năng thực hiện nhiệm vụ của AI.
- Benchmark – Bộ tiêu chuẩn dùng để so sánh hiệu năng mô hình.
- Accuracy – Tỷ lệ dự đoán chính xác.
- Precision – Tỷ lệ dự đoán dương tính chính xác.
- Recall – Tỷ lệ trường hợp dương tính thực tế được phát hiện.
- F1 Score – Trung bình điều hòa giữa Precision và Recall.
- Observability – Khả năng theo dõi hệ thống thông qua logs, metrics và traces.
- Prompt Injection – Tấn công bằng cách đưa chỉ dẫn độc hại vào nội dung AI tiếp nhận.
- Guardrails – Cơ chế kiểm soát đầu vào, đầu ra và hành động của AI.
- Red Teaming – Kiểm thử có chủ đích để tìm lỗ hổng hệ thống AI.
- Foundation Model – Mô hình nền tảng có thể thích nghi với nhiều nhiệm vụ.
- Small Language Model (SLM) – Mô hình ngôn ngữ nhỏ, tối ưu cho tài nguyên hạn chế hoặc tác vụ chuyên biệt.
- Open-weight Model – Mô hình công khai trọng số theo giấy phép tương ứng.
- Model-as-a-Service (MaaS) – Cung cấp mô hình thông qua dịch vụ API.
- Inference Engine – Runtime chịu trách nhiệm thực thi và tối ưu mô hình.
- GPU Acceleration – Sử dụng GPU để tăng tốc tính toán AI.
- AI-as-a-Service (AIaaS) – Cung cấp năng lực AI dưới dạng dịch vụ đám mây.
- Synthetic Data – Dữ liệu nhân tạo phục vụ huấn luyện và kiểm thử.
- Continual Learning – Khả năng cập nhật kiến thức theo thời gian.
- Loop Engineering – Thiết kế và tối ưu vòng lặp phản hồi giữa AI, công cụ, môi trường và kết quả thực thi.