Hướng dẫn sử dụng ChatGPT cho người mới bắt đầu

[Saviba]

Tổng quan​

ChatGPT đã đưa trí tuệ nhân tạo vào xu hướng chính thống. Đây là một trong những ứng dụng phát triển nhanh nhất mọi thời đại và đã mở đường cho hàng triệu sản phẩm AI khác xuất hiện.
AI đã thay đổi cơ bản cách chúng ta tìm kiếm trực tuyến và mọi người thậm chí còn sử dụng ChatGPT để trả lời các truy vấn của họ thay vì Google. Các chatbot AI như ChatGPT sẽ tiếp tục chuyển đổi cách chúng ta tiêu thụ, sáng tạo và giao tiếp trực tuyến.

Mục lục bài viết​

• ChatGPT thực sự làm gì?

• Học có giám sát và học không giám sát
• Kiến trúc Transformer
• Token
• Học tăng cường từ phản hồi của con người (RLHF)
• Chuỗi suy luận (CoT)
• Xử lý ngôn ngữ tự nhiên (NLP)

• Yêu cầu liên quan đến lời khuyên
• Yêu cầu liên quan đến dữ liệu

ChatGPT thực sự làm gì?​

ChatGPT có thể trả lời các câu hỏi của bạn, tóm tắt văn bản, viết nội dung mới, code và dịch ngôn ngữ. Tùy thuộc vào phiên bản bạn đang sử dụng, nó có thể duyệt Internet hoặc tạo thông tin cho đến ngày mô hình đào tạo gần nhất của nó.
Không phải phép thuật, mà là toán học: Kết quả dựa trên dự đoán của mô hình ngôn ngữ lớn và thông tin trong quá khứ, khiến nó dễ bị ảo giác, lỗi và thiên vị.
Duy trì cách tiếp cận cân bằng khi sử dụng các công cụ như ChatGPT. AI, giống như hầu hết các công nghệ tiên tiến, không hoàn toàn tốt cũng không hoàn toàn xấu. Tránh quá cứng nhắc về cả hai mặt.
Mọi người sử dụng ChatGPT cho mọi thứ, từ các nhiệm vụ liên quan đến công việc như tạo sơ yếu lý lịch và thư xin việc, tìm kiếm công việc mơ ước, cho đến những việc cá nhân như tiết kiệm thời gian và làm việc hiệu quả hơn, tìm kiếm các ưu đãi và phiếu giảm giá tốt nhất khi mua sắm trực tuyến và thậm chí tạo công thức nấu ăn từ những món ăn thừa.

ChatGPT hoạt động như thế nào?​

Phần GPT trong ChatGPT là viết tắt của Generative Pre-trained Transformer. Cho đến khi OpenAI phát hành dòng mô hình o1, tất cả các mô hình LLM và mô hình đa phương thức lớn (LMM) của OpenAI đều có sơ đồ đặt tên GPT-X, ví dụ như GPT-4o. Nhưng mặc dù tên gọi đang thay đổi, phần lớn những gì diễn ra bên trong vẫn tương tự.
Danh sách các khái niệm sắp được trình bày có vẻ hơi lộn xộn, nhưng tất cả đều quan trọng để hiểu rõ hơn cách thức hoạt động của LLM, LMM và các mô hình AI khác được ChatGPT sử dụng.

Học có giám sát và học không giám sát​

Một phần quan trọng trong việc phát triển các mô hình AI được gọi là "huấn luyện", vì vậy hãy cùng tìm hiểu về nó. Chữ P trong GPT là viết tắt của "pre-trained" (được huấn luyện trước), và đó là một phần cực kỳ quan trọng giúp các mô hình GPT có thể làm được những gì chúng đang làm.
Trước GPT-1, các mô hình AI hoạt động tốt nhất sử dụng "học có giám sát" để phát triển các thuật toán cơ bản của chúng. Chúng được huấn luyện bằng dữ liệu được gắn nhãn thủ công, chẳng hạn như cơ sở dữ liệu với ảnh của các loài động vật khác nhau được ghép nối với mô tả bằng văn bản của mỗi loài do con người viết.
Thay vào đó, GPT-1 sử dụng tiền huấn luyện tạo sinh, trong đó nó được cung cấp một vài quy tắc cơ bản và sau đó được cung cấp một lượng lớn dữ liệu không được gắn nhãn - gần như toàn bộ Internet mở. Sau đó, nó được để "không giám sát" để xử lý tất cả dữ liệu này và phát triển sự hiểu biết riêng của nó về các quy tắc và mối quan hệ chi phối văn bản.

Kiến trúc Transformer​

Tất cả quá trình huấn luyện này nhằm mục đích tạo ra một mạng nơ-ron Deep Learning - một thuật toán phức tạp, nhiều lớp, có trọng số được mô phỏng theo bộ não con người - cho phép ChatGPT học các mẫu và mối quan hệ trong dữ liệu văn bản và khai thác khả năng tạo ra những phản hồi giống con người bằng cách dự đoán văn bản nào nên xuất hiện tiếp theo trong bất kỳ câu nào.
Mạng lưới này sử dụng kiến trúc gọi là Transformer (chữ T trong GPT) và được đề xuất trong một bài nghiên cứu năm 2017. Nó hoàn toàn cần thiết cho sự bùng nổ hiện nay của các mô hình AI.
Mặc dù nghe có vẻ phức tạp – và thực tế là vậy – khi giải thích, mô hình Transformer về cơ bản đã đơn giản hóa cách thiết kế các thuật toán AI. Nó cho phép thực hiện các phép tính song song (hoặc đồng thời), điều này có nghĩa là thời gian huấn luyện giảm đáng kể. Nó không chỉ làm cho các mô hình AI tốt hơn mà còn làm cho việc sản xuất chúng nhanh hơn và rẻ hơn.
Cốt lõi của Transformer là một quá trình gọi là "tự chú ý". Các mạng nơ-ron hồi quy (RNN) cũ hơn đọc văn bản từ trái sang phải. Điều này ổn khi các từ và khái niệm liên quan nằm cạnh nhau, nhưng nó làm cho mọi thứ trở nên phức tạp khi chúng nằm ở hai đầu đối diện của câu. (Nó cũng là một cách tính toán chậm vì phải được thực hiện tuần tự).

Token​

Cách các mô hình AI hiểu văn bản cũng rất quan trọng, vì vậy hãy cùng tìm hiểu sâu hơn về token. Mặc dù tất cả dữ liệu, bao gồm cả hình ảnh và âm thanh, cũng được chia nhỏ thành token, nhưng khái niệm này dễ hiểu nhất với văn bản.
Nhiều từ được ánh xạ thành một token duy nhất, mặc dù các từ dài hơn hoặc phức tạp hơn thường được chia nhỏ thành nhiều token. Trung bình, mỗi token dài khoảng 4 ký tự. OpenAI vẫn giữ kín về hoạt động bên trong của GPT-4o và o1, nhưng chúng ta có thể chắc chắn rằng nó được huấn luyện trên ít nhất cùng một tập dữ liệu cộng với càng nhiều dữ liệu bổ sung mà OpenAI có thể truy cập được vì nó thậm chí còn mạnh mẽ hơn.

Tất cả các token văn bản đều đến từ một kho dữ liệu khổng lồ do con người viết, ít nhất là đối với GPT-3. Điều đó bao gồm sách, bài báo và các tài liệu khác thuộc mọi chủ đề, phong cách và thể loại khác nhau - và một lượng nội dung khổng lồ được thu thập từ Internet mở. Về cơ bản, nó được phép xử lý toàn bộ kiến thức của nhân loại để phát triển mạng lưới mà nó sử dụng để tạo ra văn bản.

Học tăng cường từ phản hồi của con người (RLHF)​

Vì vậy, để tinh chỉnh hơn nữa khả năng phản hồi của mô hình đối với nhiều loại tín hiệu khác nhau một cách an toàn, hợp lý, hiệu quả và mạch lạc, chúng đã được tối ưu hóa bằng một kỹ thuật gọi là học tăng cường với phản hồi của con người (RLHF).
Về cơ bản, OpenAI đã tạo ra một số dữ liệu minh họa cho thấy mạng nơ-ron nên phản hồi như thế nào trong các tình huống điển hình. Từ đó, họ đã tạo ra một mô hình phần thưởng với dữ liệu so sánh (trong đó hai hoặc nhiều phản hồi của mô hình được xếp hạng bởi các huấn luyện viên AI) để AI có thể học được phản hồi nào là tốt nhất trong bất kỳ tình huống nào.

Cụ thể, dòng mô hình o1 được huấn luyện bằng cách sử dụng học tăng cường để suy luận thông qua các vấn đề bằng một kỹ thuật gọi là chuỗi suy luận (CoT).

Chuỗi suy luận (CoT)​

Các mô hình LLM như GPT-4o gặp khó khăn với những vấn đề phức tạp, nhiều bước. Quá trình huấn luyện của chúng hướng chúng phản hồi hầu hết các thách thức bằng câu trả lời đơn giản và rõ ràng, chứ không phải một giả định hoang đường nào đó. Khi yêu cầu ChatGPT viết email cho mình, bạn không muốn nó làm điều đó bằng mã Morse một cách tùy tiện.
Nhưng bằng cách mặc định phản hồi rõ ràng, các mô hình LLM không giỏi trong những câu đố logic nâng cao, toán học khó và các loại vấn đề khác đòi hỏi nhiều bước. Đây là lúc phương pháp chuỗi suy luận (CoT) phát huy tác dụng.

Xử lý ngôn ngữ tự nhiên (NLP)​

Tất cả nỗ lực này nhằm mục đích làm cho các mô hình của OpenAI hiệu quả nhất có thể trong xử lý ngôn ngữ tự nhiên (NLP). Xử lý ngôn ngữ tự nhiên (NLP) là một phạm trù rộng lớn bao gồm nhiều khía cạnh của trí tuệ nhân tạo, bao gồm nhận dạng giọng nói, dịch máy và chatbot, nhưng có thể được hiểu là quá trình mà AI được dạy để hiểu các quy tắc và cú pháp của ngôn ngữ, được lập trình để phát triển những thuật toán phức...
Vì bài viết đã đề cập đến khía cạnh huấn luyện và phát triển thuật toán, hãy xem NLP giúp GPT thực hiện các nhiệm vụ nhất định như thế nào - đặc biệt là, phản hồi các prompt bằng văn bản của người dùng.
Điều quan trọng cần hiểu là, mặc dù có nhiều thảo luận về token, ChatGPT đang tạo ra văn bản dựa trên những từ, câu, thậm chí cả đoạn văn hoặc khổ thơ có thể theo sau. Nó không phải là tính năng dự đoán văn bản trên điện thoại của bạn đoán bừa từ tiếp theo; nó đang cố gắng tạo ra các phản hồi hoàn toàn mạch lạc cho bất kỳ prompt nào. Đây chính là những gì mà Transformer mang lại cho NLP.
Tóm lại, cách đơn giản nhất để hình dung nó là giống như một trong những trò chơi "hoàn thành câu" mà bạn từng chơi khi còn nhỏ.
ChatGPT bắt đầu bằng cách nhận câu hỏi của bạn, chia nhỏ nó thành các token, và sau đó sử dụng mạng nơ-ron nhân tạo dựa trên Transformer để cố gắng hiểu những phần quan trọng nhất của câu hỏi và điều bạn thực sự muốn nó làm. Từ đó, mạng nơ-ron nhân tạo sẽ hoạt động trở lại và tạo ra một chuỗi token đầu ra phù hợp, dựa trên những gì nó đã học được từ dữ liệu huấn luyện và tinh chỉnh.

Thiết lập ChatGPT​

Để tạo tài khoản, hãy nhấp vào nút Sign Up ở góc trên bên phải. Chọn giữa tư cách thành viên miễn phí hoặc cao cấp (20 USD/tháng). Trong hầu hết các trường hợp, phiên bản miễn phí là đủ.

Làm quen với công cụ AI​

Không có cách "đúng" nào để sử dụng ChatGPT. Cách duy nhất sai khi sử dụng là chỉ sử dụng ChatGPT và giao phó tư duy phản biện của bạn cho công cụ này. Hãy sử dụng ChatGPT và Google cùng nhau, và luôn kiểm tra tính xác thực của mọi thứ mà cả hai công cụ cung cấp cho bạn. Nhấp vào các nguồn thông tin mà Google và ChatGPT đang lấy từ đó.
Bạn không thể chỉ tin tưởng vào thông tin mà AI cung cấp cho mình - nó có thể gây ảo giác hoặc đưa ra kết luận sai từ thông tin nguồn đáng ngờ.
Đối với bất kỳ điều gì bạn hỏi ChatGPT, bạn càng cung cấp nhiều ngữ cảnh thì càng tốt. Bạn chỉ nhận được những gì mình đưa vào, vì vậy hãy tập trung cung cấp càng nhiều thông tin càng tốt trong prompt đầu tiên của bạn.
Prompt sẽ phụ thuộc vào việc bạn đang đặt câu hỏi, tóm tắt văn bản, động não, nhận "lời khuyên", phân tích hình ảnh, tìm nguồn code hay tạo nội dung.

Yêu cầu liên quan đến lời khuyên​

Giả sử bạn đang cố gắng mang thai và muốn biết chế độ ăn lý tưởng cho tình trạng của mình.
Ví dụ về prompt: "Tôi là một phụ nữ 36 tuổi đang chuẩn bị bắt đầu thụ tinh trong ống nghiệm. Tôi không có vấn đề gì về khả năng sinh sản, nhưng AMH của tôi ở mức thấp. Hãy cung cấp một chế độ ăn uống được đề xuất để tuân theo trong quá trình lấy và chuyển trứng của tôi".
Chỉ cần nhớ, nếu bạn đang yêu cầu thông tin về sức khỏe và thể chất, hãy luôn kiểm tra lại với bác sĩ.

Yêu cầu liên quan đến dữ liệu​

Giả sử bạn là chủ một doanh nghiệp nhỏ và muốn giảm chi phí chung, vì vậy bạn nhập bảng tính chi phí của mình vào ChatGPT để được tư vấn.

Ví dụ về prompt: "Giúp tôi tiết kiệm tiền chi tiêu. Đính kèm là danh sách chi tiêu của tôi trong năm ngoái".
Một lần nữa, hãy kiểm tra lại mọi con số mà công cụ AI trả về.

Duyệt ChatGPT​

Nhấp vào một trong những prompt được gợi ý và đây là câu trả lời bạn nhận được:

Ví dụ về việc lập kế hoạch bữa ăn này thực sự cho thấy ChatGPT và các công cụ AI khác là "chọn cuộc phiêu lưu của riêng bạn" và là đối tác tìm kiếm tiện dụng cho bất kỳ điều gì bạn muốn làm với chúng.
Chỉ cần nhớ duy trì quan điểm cân bằng về các công cụ này. Và luôn kiểm tra lại lời khuyên của nó.