- Trí tuệ nhân tạo tạo sinh · Generative AI
- Nhóm mô hình AI có khả năng tạo nội dung mới — văn bản, hình ảnh, mã nguồn, âm thanh — từ yêu cầu bằng ngôn ngữ tự nhiên, dựa trên mẫu học được từ lượng dữ liệu rất lớn. Hữu ích để soạn nháp, tóm tắt, phân loại, gợi ý, nhưng kết quả có thể sai, thiên lệch hoặc chứa thông tin không có nguồn nên cần con người kiểm tra.
- Phân tích dự đoán · Predictive Analytics
- Dùng dữ liệu lịch sử, thống kê và học máy để dự báo khả năng xảy ra của sự kiện tương lai, ví dụ khả năng trễ hạn, vượt chi phí, rủi ro nhà cung cấp, tải công việc. Giá trị phụ thuộc vào chất lượng và mức tương đồng của dữ liệu quá khứ với dự án hiện tại.
- Kỹ thuật viết lệnh · Prompt Engineering
- Kỹ năng soạn yêu cầu (prompt) cho mô hình AI tạo sinh để nhận kết quả hữu ích: nêu rõ vai trò, bối cảnh, nhiệm vụ, định dạng đầu ra, ràng buộc và ví dụ mẫu; chia việc phức tạp thành bước nhỏ; yêu cầu nêu giả định và nguồn. Prompt tốt giảm sai sót nhưng không thay thế việc kiểm tra kết quả.
- Ảo giác của AI · AI Hallucination
- Hiện tượng mô hình AI tạo ra thông tin nghe hợp lý nhưng sai hoặc bịa đặt, như số liệu không tồn tại, trích dẫn tài liệu không có thật, điều khoản luật sai. Do mô hình dự đoán chuỗi ký tự có khả năng cao chứ không tra cứu sự thật. Cách giảm: cung cấp nguồn, yêu cầu trích dẫn, kiểm tra chéo và để người có chuyên môn duyệt.
- Thiên kiến thuật toán · Algorithmic Bias
- Sai lệch có hệ thống trong kết quả của thuật toán hay mô hình AI, khiến một số nhóm bị đối xử bất công hoặc dự báo kém chính xác. Thường bắt nguồn từ dữ liệu huấn luyện không đại diện, phản ánh định kiến cũ, hoặc từ cách chọn biến và mục tiêu tối ưu.
- Con người trong vòng lặp · Human-in-the-Loop (HITL)
- Nguyên tắc thiết kế quy trình có AI trong đó con người xem xét, chỉnh sửa hoặc phê duyệt kết quả của AI trước khi kết quả đó gây ảnh hưởng thực tế, đặc biệt với quyết định có rủi ro cao. Bảo đảm trách nhiệm giải trình luôn thuộc về con người.
- AI có trách nhiệm · Responsible AI
- Cách phát triển và sử dụng AI bảo đảm công bằng, minh bạch, an toàn, bảo vệ quyền riêng tư, có trách nhiệm giải trình và tuân thủ pháp luật. Trong dự án, thể hiện qua chính sách sử dụng AI, đánh giá tác động, quản trị dữ liệu, kiểm tra thiên kiến, ghi nhận khi nội dung có sự hỗ trợ của AI và con người phê duyệt quyết định quan trọng.
- Quản trị dữ liệu · Data Governance
- Khung vai trò, chính sách, tiêu chuẩn và quy trình bảo đảm dữ liệu được quản lý đúng: chất lượng, quyền truy cập, bảo mật, quyền riêng tư, vòng đời lưu trữ và trách nhiệm của chủ sở hữu dữ liệu. Đặc biệt quan trọng khi dự án dùng AI, vì chất lượng và tính hợp pháp của dữ liệu quyết định độ tin cậy của kết quả.