Mô hình ngôn ngữ lớn (large language model, LLM) hoạt động bằng cách đoán mẩu chữ nào có khả năng xuất hiện tiếp theo cao nhất, đoán từng mẩu nhỏ một, dựa trên các khuôn mẫu nó rút ra từ một khối văn bản khổng lồ lúc huấn luyện. Mặc định nó không tra cứu, không giữ sẵn một danh sách điều đúng, và không hiểu thế giới theo cách con người hiểu. Nắm được đúng một cơ chế này là giải thích được phần lớn cái hay lẫn cái dở của các công cụ AI đang dùng hằng ngày.
Bàn phím điện thoại gợi ý chữ tiếp theo khi mình nhắn tin chính là một phiên bản tí hon của ý tưởng ấy. Khác biệt nằm ở quy mô: mô hình đã “đọc” nhiều hơn bất kỳ ai đọc được cả đời, và giữ được cả một cuộc trò chuyện dài trong tầm nhìn khi viết. Phần dưới mở chiếc hộp đó ra bằng lời thường, không công thức, để mình biết lúc nào tin được câu trả lời và lúc nào phải kiểm lại.
Rốt cuộc mô hình ngôn ngữ lớn là gì?
Gạt hết lời quảng cáo sang một bên, LLM là một hàm toán học rất lớn. Mình đưa vào một chuỗi chữ, nó trả ra danh sách các mẩu chữ có thể đi tiếp, mỗi mẩu kèm một xác suất. Phần mềm chọn một mẩu, nối vào đoạn văn, rồi hỏi lại hàm đó. Lặp vài trăm lần là thành một đoạn. Mọi câu trả lời mình từng đọc từ chatbot đều được dựng đúng kiểu ấy: từng mẩu một, từ trái sang phải.
Mẩu chữ đó gọi là token. Một token có thể là nguyên một từ tiếng Anh thông dụng, một phần của từ dài, một dấu câu, hoặc một mảnh của âm tiết tiếng Việt. Cắt chữ thành token thế nào là do thiết kế riêng của từng mô hình. Ở nhiều mô hình, một đoạn tiếng Việt bị cắt thành nhiều token hơn đoạn tiếng Anh cùng nghĩa, nên trò chuyện bằng tiếng Việt có thể ăn bộ nhớ làm việc của mô hình nhanh hơn một chút. Chi tiết nhỏ, nhưng nó giải thích vì sao tài liệu tiếng Việt rất dài đôi khi bị cắt cụt hoặc tóm tắt sơ sài hơn.
Kiến thức của mô hình từ đâu mà có?
Xác suất ấy ở đâu ra? Từ quá trình huấn luyện (training). Mô hình được cho xem một lượng chữ khổng lồ và bị bắt đoán token kế tiếp hết lần này tới lần khác. Mỗi lần đoán sai, các con số bên trong nó, gọi là tham số (parameters), được chỉnh nhích đi một chút để lần sau đáp án đúng dễ ra hơn. Sau vô số lần chỉnh như vậy, bộ tham số giữ một bức tranh nén về cách ngôn ngữ thường chảy: ngữ pháp, kiến thức phổ thông, văn phong, kiểu lập luận quen thuộc, thậm chí cả khuôn mẫu viết mã.
Mô hình vừa xong giai đoạn đó giỏi viết nối nhưng chưa biết giúp người. Vì vậy nhà phát triển thêm giai đoạn hai, thường gọi là tinh chỉnh (fine-tuning): mô hình học từ các mẫu trả lời tốt và từ việc con người chấm điểm câu trả lời của nó. Bước này biến một cỗ máy đoán chữ thô thành trợ lý biết làm theo yêu cầu, biết từ chối một số việc, nói năng lễ phép. Nó cũng tạo ra vài thói quen dễ thấy, như hay chiều theo ý người hỏi hoặc lúc nào cũng chốt bằng một đoạn tổng kết gọn gàng.
Để ý thứ còn thiếu trong bức tranh này: không có bước nào mô hình đem sự kiện ra đối chiếu với thực tế. Một số sản phẩm gắn thêm bước đó từ bên ngoài, cho mô hình tìm trên mạng hoặc đọc tài liệu của mình trước khi trả lời. Như thế đỡ hơn nhiều, nhưng đó là tính năng lắp thêm vào sản phẩm, không phải bản tính của mô hình.
Câu hỏi của mình biến thành câu trả lời qua những bước nào?
Tin nhắn bị cắt thành token. Câu hỏi, các tin nhắn trước trong cuộc trò chuyện và cả phần hướng dẫn ẩn của ứng dụng đều được ghép thành một chuỗi token dài trước khi mô hình nhìn thấy gì.
Tất cả phải lọt vào cửa sổ ngữ cảnh. Cửa sổ ngữ cảnh (context window) là lượng chữ tối đa mô hình xem được trong một lượt. Dán nhiều hơn mức đó thì sẽ có phần bị bỏ, thường là đoạn cũ nhất của cuộc trò chuyện.
Mô hình nhìn toàn bộ token cùng lúc. Cơ chế gọi là attention cho mỗi phần của văn bản cân xem phần nào phía trước quan trọng nhất. Nhờ vậy nó nối được chữ “cái đó” ở câu cuối với bản hợp đồng mình nhắc từ mười dòng trên.
Nó chấm điểm mọi token có thể đi tiếp. Đầu ra không phải một đáp án duy nhất mà là bảng xếp hạng hàng nghìn ứng viên, từ rất có khả năng tới gần như không thể.
Ứng dụng bốc thăm từ bảng xếp hạng đó. Một thông số thường gọi là temperature quyết định độ “liều” khi chọn. Thấp thì chọn token an toàn nhất; cao thì cho phép lựa chọn ít hiển nhiên hơn. Đó là lý do cùng một câu hỏi mà mỗi lần ra một kiểu.
Token được chọn nối vào, vòng lặp chạy tiếp. Mô hình không lên dàn ý cố định cho cả đoạn từ đầu. Mỗi token mới được chọn khi nhìn phần đã viết, nên một bước rẽ sai ngay từ đầu thường bị kéo theo tới cuối.
Công cụ có thể chen vào giữa các lượt. Ở sản phẩm có tìm kiếm hay đọc tệp, ứng dụng có thể lấy tài liệu về, dán vào ngữ cảnh, rồi mới để mô hình viết. Khi đó câu trả lời hay hay dở phụ thuộc rất nhiều vào thứ được lấy về.
Hết cuộc trò chuyện là hết nhớ, trừ khi sản phẩm tự lưu. Bản thân mô hình không học từ cuộc trò chuyện của mình theo thời gian thực. Tính năng “ghi nhớ” thực chất là ứng dụng lưu ghi chú rồi đưa lại vào ngữ cảnh ở lần sau.
Vì sao sai mà nó vẫn nói chắc nịch?
Viết trôi chảy và viết đúng là hai kỹ năng khác nhau, và mô hình được luyện chủ yếu cho kỹ năng thứ nhất. Một câu đọc êm, dùng đúng thuật ngữ, nhịp văn tự tin chính là kiểu chữ nó đã gặp hàng triệu lần. Nội dung có đúng hay không là một câu hỏi khác hẳn, và quá trình đoán chữ không hề đặt câu hỏi đó.
Lấy ví dụ dân văn phòng hay gặp. Hỏi điều khoản nào quy định chuyện chậm thanh toán, mô hình biết một câu trả lời như thế thường trông ra sao: tên loại văn bản, một con số, một câu trích. Nó có thể đưa ra đủ ba thứ, đúng hình dạng, kể cả khi trong trí nhớ của nó chẳng có văn bản thật nào đáng tin. Câu trả lời trông đáng tin chính vì hình dạng của nó quá chuẩn.
Việc luyện cho “hữu ích” có khi còn làm chuyện này nặng thêm. Người chấm điểm thường thích câu trả lời đầy đủ, dứt khoát hơn câu “mình không chắc”. Các nhà phát triển giờ đã cố thưởng cho sự thành thật khi không chắc, trợ lý đời mới cũng rào đón nhiều hơn, nhưng lực kéo về phía một câu trả lời gọn gàng, tự tin vẫn chưa mất.
Bài học thực tế: đánh giá từng thông tin theo mức độ kiểm chứng được, đừng theo giọng điệu chắc chắn. Giải thích một khái niệm chung thường ổn. Còn tên riêng, con số, ngày tháng, câu trích dẫn, điều luật thì lần nào cũng cần thêm một nguồn thứ hai.
Thêm một bẫy nữa: mô hình được nắn để dễ chiều lòng người. Mình cãi lại một câu trả lời vốn đúng, nó có thể xin lỗi rồi đổi sang câu sai. Thấy nó đổi ý quá nhanh thì coi đó là tín hiệu cảnh báo, chứ đừng coi là bằng chứng mình đúng.
LLM làm tốt gì, hụt ở đâu?
Tốt: viết lại, đổi giọng văn. Biến một ghi chú cộc lốc thành email lịch sự, hay một báo cáo dài thành năm ý chính, là việc đánh đúng sở trường khuôn mẫu ngôn ngữ của nó.
Tốt: bản nháp đầu và dàn ý. Nó giúp vượt qua trang giấy trắng rất nhanh. Bản nháp hiếm khi dùng được ngay, nhưng sửa vẫn nhanh hơn viết từ con số không.
Tốt: giải thích khái niệm phổ biến. Những ý đã được viết nhiều như lãi kép, VPN chạy ra sao, bảng cân đối kế toán cho biết gì thường được giải thích rõ, vì dữ liệu huấn luyện có chúng rất nhiều lần.
Tốt: dịch và làm việc song ngữ. Dịch Anh – Việt thông thường khá ổn, chỉnh được độ trang trọng, nhưng câu chữ pháp lý hay y khoa vẫn cần người có chuyên môn duyệt.
Yếu: sự kiện chính xác và tin mới. Kiến thức của nó dừng ở một mốc huấn luyện và mờ ở các chi tiết hiếm. Không có công cụ tìm kiếm thì mọi thứ mới hoặc rất cụ thể đều rủi ro.
Yếu: đếm chính xác và tính dài. Vì làm việc theo token chứ không theo từng chữ số, chữ cái, nó có thể đếm sai ký tự hoặc trượt phép tính. Con số quan trọng thì dùng máy tính hoặc bảng tính.
Yếu: kiến thức địa phương, ngách. Thông tin về một công ty nhỏ ở Việt Nam, địa giới phường xã sau sắp xếp năm 2025, hay một quy định ít người viết thường mỏng hoặc lỗi thời trong dữ liệu của nó.
Nguy hiểm: quyết định có hậu quả thật. Chuyện y tế, pháp lý, thuế, tài chính cần người có chuyên môn. Mô hình giúp mình chuẩn bị câu hỏi được, nhưng không nên là bên ra quyết định.
Câu hỏi thường gặp
LLM có tự tìm trên mạng khi trả lời không?
Tự thân mô hình thì không. Nó trả lời từ khuôn mẫu đã học; chỉ những sản phẩm gắn thêm công cụ tìm kiếm mới lấy trang web thật, và thường có ghi nguồn đi kèm.
Chatbot có học từ cuộc trò chuyện của mình không?
Mô hình không tự cập nhật trong lúc trò chuyện. Nhưng một số nhà cung cấp có thể dùng hội thoại để huấn luyện bản sau nếu mình không tắt, nên hãy xem phần cài đặt dữ liệu.
Vì sao hỏi cùng một câu mà mỗi lần trả lời một kiểu?
Ứng dụng bốc từ bảng xếp hạng token chứ không luôn lấy hạng nhất, nên câu chữ, đôi khi cả nội dung, thay đổi. Một chi tiết sự kiện mà mỗi lần ra một kiểu là dấu hiệu mô hình không chắc.
Mô hình to hơn có luôn chính xác hơn không?
Mô hình lớn thường xử lý ngôn ngữ và suy luận tốt hơn, nhưng vẫn bịa chi tiết một cách tự tin. Độ chính xác cho việc cụ thể còn tuỳ dữ liệu, công cụ và cách hỏi, nên hãy thử bằng ví dụ thật của chính mình.
Dùng tiếng Việt với công cụ AI có ổn không?
Ổn, các trợ lý lớn xử lý tiếng Việt khá tốt cho việc thường ngày. Điểm yếu là kiến thức địa phương, tiếng lóng và thông tin rất mới ở Việt Nam; tài liệu tiếng Việt dài cũng có thể chạm giới hạn độ dài sớm hơn.
LLM có thật sự hiểu điều nó nói không?
Nó nắm được rất nhiều cấu trúc về ngôn ngữ và thế giới, đủ để lập luận qua nhiều bài toán, nhưng không có trải nghiệm và không có cách tự kiểm sự thật. Hãy coi nó là công cụ chữ rất mạnh, không phải một bộ óc.
