Hiểu Công Nghệ AI: Từ Prompt Chaining đến Agentic Workflow
Bài viết được lấy cảm hứng từ bài chia sẻ của Mr. Đặng Hữu Sơn (Lovinbot) trên Facebook.
Trong thời đại công nghệ hiện đại, việc ứng dụng AI vào đời sống và công việc đã trở thành xu hướng tất yếu. Tuy nhiên, điều quan trọng không chỉ là biết sử dụng mà còn phải hiểu rõ bản chất của các công nghệ này để không bị "fomo" (sợ bỏ lỡ) và biết cách tận dụng chúng một cách thông minh. Một trong những ví dụ điển hình gần đây chính là mô hình o1 của OpenAI, một phiên bản nâng cấp của các công nghệ trước đó như GPT-3, GPT-4, và Gemini.
### Prompt Chaining và Suy Luận Hệ Thống
Bức ảnh được chia sẻ dưới đây minh họa cách một mô hình AI hoạt động thông qua nhiều lượt hỏi đáp. Đây là ví dụ về "Prompt Chaining" – tức là hệ thống sẽ lấy đầu ra của một lần hỏi đáp làm đầu vào cho lần kế tiếp, giúp quá trình xử lý trở nên liên tục và tối ưu hơn. Ý tưởng này còn được phát triển lên thành "Agentic Workflow" – một khái niệm mà giáo sư Andrew Ng đã nhắc tới, giúp AI có thể đạt tới 90% hiệu quả chỉ nhờ việc chạy nhiều luồng suy luận trước khi trả lời.
Nhìn vào biểu đồ, bạn có thể thấy rằng mỗi bước trong chuỗi hỏi đáp bao gồm ba phần: Input (đầu vào), Reasoning (suy luận), và Output (đầu ra). Hệ thống AI có khả năng tham gia vào bất kỳ bước nào cần suy luận để đưa ra kết quả tốt nhất. Điều đặc biệt ở đây là khi tạo ra kết quả, hệ thống sẽ loại bỏ các token từ phần suy luận, chỉ giữ lại các token liên quan đến câu hỏi và câu trả lời.
### Limit Token và Lợi Ích Tối Ưu
Quá trình này sẽ diễn ra liên tục cho đến khi hệ thống chạm tới giới hạn "token window" – một thuật ngữ chỉ giới hạn về số lượng token mà AI có thể xử lý trong một lần. Điều này giải thích vì sao mô hình o1 hay các mô hình AI hiện đại khác có thể tạo ra những câu trả lời phức tạp và đầy đủ hơn, đồng thời đảm bảo hiệu quả cao trong việc xử lý dữ liệu.
### Tư Duy Hệ Thống Để Hiểu Công Nghệ AI
Việc hiểu về cách AI hoạt động không chỉ giúp chúng ta ứng dụng nó hiệu quả hơn mà còn giúp chúng ta không bị rơi vào tình trạng "fomo". Khi OpenAI hay Google ra mắt mô hình mới, điều quan trọng là phải hiểu rõ nguyên lý phía sau thay vì chỉ chạy theo xu hướng mà không biết tận dụng triệt để. Tư duy hệ thống ở đây chính là hiểu rõ cách từng bước trong quá trình hoạt động của AI, từ đầu vào, suy luận đến đầu ra.
Việc theo đuổi công nghệ như GPT-3, GPT-4, o1 hay Gemini (multimodal) không chỉ là học cách sử dụng mà còn là học cách hiểu bản chất, tìm ra giá trị cốt lõi từ những công nghệ đó để áp dụng hiệu quả vào công việc của mình.
### Kết Luận
Hiểu công nghệ không đơn thuần là sử dụng nó, mà còn là nắm bắt cách thức vận hành phía sau để tối ưu hóa hiệu quả. Mô hình o1 và các khái niệm như Prompt Chaining hay Agentic Workflow là những bước tiến lớn trong việc tối ưu hóa khả năng của AI, giúp chúng ta không chỉ sử dụng mà còn sáng tạo và cải tiến trong quá trình áp dụng AI vào cuộc sống.
Nếu bạn cũng muốn tìm hiểu thêm về cách hệ thống AI hoạt động và làm thế nào để ứng dụng nó một cách thông minh, hãy cùng tham gia nhóm *Tự Học cùng AI* để cùng chia sẻ và học hỏi thêm nhiều kiến thức thú vị!
---
*Bài viết được lấy cảm hứng từ chia sẻ của Mr. Đặng Hữu Sơn (Lovinbot).*
---
Bài blog này giải thích một cách dễ hiểu về các khái niệm phức tạp trong AI, giúp những người mới bắt đầu có cái nhìn hệ thống và sâu sắc hơn về công nghệ này.