100 Thuật ngữ AI
Khám phá 100 thuật ngữ AI thiết yếu được giải thích qua góc nhìn thực tiễn của kiểm thử phần mềm và QA.
100 thuật ngữ AI phổ biến cho QA
Giao thức A2A
Phương thức giao tiếp giữa các ứng dụng (Application-to-Application). QA có thể kiểm tra các tương tác tự động này có an toàn và hoạt động đúng như mong đợi.
Ngưỡng chấp nhận (Chỉ số)
Mức hiệu năng tối thiểu để phát hành. Nhóm sản phẩm xác định các ngưỡng này và QA đánh giá xem mô hình đã sẵn sàng triển khai hay chưa.
Độ chính xác (Chỉ số)
Tỷ lệ phần trăm dự đoán đúng. QA dùng chỉ số này để đánh giá mức độ chính xác tổng thể của mô hình trên tập kiểm thử.
Kiểm thử thích ứng
Kiểm thử thay đổi theo sự phát triển của AI. QA liên tục điều chỉnh kịch bản kiểm thử để xác thực hành vi thay đổi của mô hình.
Tấn công đối kháng (Adversarial)
Thao tác đầu vào có chủ ý nhằm đánh lừa mô hình. QA kiểm thử khả năng chống chịu của mô hình trước các cuộc tấn công như vậy.
AGI
Trí tuệ nhân tạo tổng quát (Artificial General Intelligence): AI lý thuyết có thể hiểu và thực hiện mọi tác vụ như con người. Khái niệm này quan trọng để hiểu sự tiến hóa của AI.
Tác tử AI (AI Agents)
Thành phần tự động có thể ra quyết định và thực hiện tác vụ mà không cần con người can thiệp. QA có thể cần kiểm thử tính tự chủ, độ tin cậy và an toàn.
Căn chỉnh AI (AI Alignment)
Đảm bảo hành vi AI phù hợp với mục tiêu con người và kỳ vọng đạo đức. QA thường kiểm tra an toàn, công bằng và các hành vi không mong muốn.
Mô hình AI
Hệ thống đã được huấn luyện (ví dụ: mạng nơ-ron) ánh xạ đầu vào sang đầu ra. Tester thường xác thực theo hiệu năng, độ chính xác và các trường hợp biên mong đợi.
Lớp bọc AI (AI Wrapper)
Lớp phần mềm hoặc ứng dụng giúp truy cập mô hình AI dễ dàng hơn. QA kiểm thử tương tự ứng dụng phần mềm thông thường trong bối cảnh chức năng do AI điều khiển.
Thuật toán
Tập quy tắc hoặc logic cốt lõi mà AI tuân theo. Tester có thể xác minh tính nhất quán logic và khả năng truy vết.
ANN (Mạng nơ-ron nhân tạo)
Mô hình machine learning lấy cảm hứng từ não bộ. QA có thể kiểm thử đầu ra về độ chính xác, xử lý trường hợp biên, overfitting/underfitting, v.v.
Trí tuệ nhân tạo
Hệ thống máy tính mô phỏng trí tuệ con người để giải quyết vấn đề. Tester QA đánh giá mức độ tin cậy và an toàn khi thực hiện tác vụ.
Vai trò trợ lý (Trong Prompt Engineering)
Hành vi phản hồi của AI. QA kiểm thử tính đúng đắn, giọng điệu và độ chính xác khi thực hiện tác vụ.
Tự động (Autonomous)
Chỉ các hệ thống hoạt động độc lập. QA kiểm thử để xác thực tác tử hoạt động đúng như mong đợi và an toàn.
Thiên lệch (Bias)
Khi mô hình thể hiện sự ưu tiên không công bằng. QA kiểm thử hiệu năng trên nhiều nhóm đa dạng để phát hiện thiên lệch.
Kiểm thử hai chiều
Đánh giá cách đầu vào ảnh hưởng đầu ra và cách đầu ra có thể tác động đến đầu vào hoặc prompt tiếp theo. QA kiểm thử cả hai chiều để phát hiện mâu thuẫn hoặc phụ thuộc vòng.
Prompt Chain-of-Thought (CoT)
Khuyến khích AI suy luận từng bước. QA kiểm tra từng bước suy luận về tính đúng và mạch lạc.
Chatbot
Hệ thống AI tương tác với người dùng bằng ngôn ngữ tự nhiên. Tester đánh giá khả năng hiểu ngôn ngữ, trường hợp biên và độ bao phủ ý định.
CNN (Mạng nơ-ron tích chập)
Mạng nơ-ron phù hợp nhất cho xử lý hình ảnh. QA kiểm thử độ chính xác phân loại ảnh và khả năng chống chịu trước biến dạng.
Thị giác máy tính
AI diễn giải đầu vào hình ảnh. Kiểm thử QA gồm phát hiện cạnh, độ chính xác nhận dạng đối tượng và khả năng chống nhiễu.
Trôi dạt khái niệm (Concept Drift)
Xảy ra khi ý nghĩa của điều mô hình dự đoán thay đổi theo thời gian—ví dụ khái niệm "gian lận" trong dữ liệu tài chính thay đổi do chiêu trò lừa đảo mới. Tester QA kiểm tra dự đoán còn phù hợp thực tế hiện tại và nhãn có cần cập nhật không.
Ngữ cảnh (Context)
Lịch sử dữ liệu liên quan mà AI dùng để ra quyết định. Tester kiểm tra ngữ cảnh được duy trì và sử dụng đúng cách.
Kiểm thử tiêm ngữ cảnh
Mô phỏng tình huống đầu vào ngữ cảnh có thể thao túng hoặc can thiệp vào system prompt. QA xác minh cô lập prompt và các lớp phòng thủ.
Cửa sổ ngữ cảnh (Context Window)
Lượng văn bản đầu vào tối đa mà LLM có thể xử lý. QA kiểm tra ảnh hưởng của cắt bớt và suy giảm chất lượng phản hồi.
Học liên tục
AI cải thiện bằng cách học từ dữ liệu mới. QA kiểm thử cập nhật mô hình đồng thời đảm bảo không gây regression.
Đồng hành AI (Co-piloting)
Hỗ trợ phát triển hoặc kiểm thử có AI. QA xác thực độ chính xác gợi ý, tính hữu ích và tích hợp vào quy trình làm việc.
Tùy chỉnh ChatGPT
Điều chỉnh hành vi ChatGPT bằng system instruction. Đây là công cụ hữu ích để tùy chỉnh ChatGPT nhằm cải thiện chất lượng đầu ra.
Phụ thuộc dữ liệu
AI phụ thuộc mạnh vào dữ liệu huấn luyện. QA kiểm thử tập dữ liệu đa dạng, đại diện và chất lượng cao.
Trôi dạt dữ liệu (Data Drift)
Khi dữ liệu đầu vào lệch so với dữ liệu huấn luyện. QA phát hiện các thay đổi có thể làm giảm hiệu năng và độ chính xác.
Khoa học dữ liệu
Lĩnh vực tập trung rút trích insight từ dữ liệu. QA có thể xác thực mô hình do data scientist xây dựng và tính đúng của pipeline dữ liệu.
Tập dữ liệu (Dataset)
Tập hợp dữ liệu dùng để huấn luyện hoặc kiểm thử mô hình. QA kiểm tra chất lượng dữ liệu, độ chính xác gán nhãn và thiên lệch.
Học sâu (Deep Learning)
Nhánh ML dùng mạng nơ-ron nhiều lớp. QA có thể kiểm thử khả năng tổng quát hóa, overfitting và tính đúng của suy luận.
Embedding
Vector số biểu diễn từ/cụm từ. QA xác thực phân cụm, điểm tương đồng và tính nhất quán ngữ nghĩa.
Đạo đức hoặc cân nhắc đạo đức
Sử dụng AI có trách nhiệm. QA kiểm thử thiên lệch, lạm dụng và hậu quả gây hại.
Khả năng giải thích (Explainability)
Mức độ con người hiểu được quyết định của AI. QA kiểm tra giải thích có sẵn, trung thực và hữu ích.
F1-Score (Chỉ số)
Cân bằng giữa precision và recall. QA dùng chỉ số này đánh giá hiệu năng trên tập dữ liệu mất cân bằng.
Công bằng (Fairness)
Sự công bằng trong đầu ra mô hình giữa các nhóm người dùng. QA kiểm thử không có nhóm nào bị bất lợi một cách không công bằng.
Few-shot Prompting
AI được cung cấp vài ví dụ trước khi trả lời. QA xác thực khả năng học từ ví dụ ít và khớp định dạng đầu ra.
Tinh chỉnh (Fine-tuning)
Huấn luyện bổ sung trên dữ liệu cụ thể. QA so sánh hiệu năng trước và sau khi fine-tune.
Mô hình nền tảng (Foundation Model)
Mô hình lớn đã pre-train, có thể thích ứng nhiều tác vụ. QA đánh giá khả năng thích ứng, hiệu quả và rủi ro tổng quát hóa quá mức.
Frequency Penalty
Giảm lặp lại bằng cách hạ xác suất các từ lặp. QA đánh giá ảnh hưởng đến sự dư thừa và mạch lạc.
Công thức G.U.I.D.E. Prompting
Cách có cấu trúc (Goals-Users-Instructions-Details-Examples) để thiết kế prompt hiệu quả. QA dùng công thức này xây prompt tốt hơn nhằm thu được đầu ra AI nhất quán và phù hợp.
AI sinh tạo (Generative AI)
AI tạo nội dung (văn bản, hình ảnh, v.v.). QA xác thực cân bằng sáng tạo và kiểm soát, an toàn và tính đúng sự thật.
GPU
Phần cứng đồ họa dùng để chạy AI hiệu quả. QA có thể giám sát mức sử dụng GPU và hiệu năng dưới tải.
Ground Truth
Dữ liệu đã gán nhãn dùng làm đáp án đúng khi kiểm thử. Tester xác thực đầu ra mô hình so với ground truth.
Ảo giác (Hallucination)
Khi mô hình sinh nội dung sai hoặc gây hiểu nhầm. Tester phát hiện và báo cáo đầu ra không đúng hoặc vô nghĩa.
Kiểm thử Human-in-the-Loop (HITL)
Con người xác thực hoặc sửa quyết định của mô hình. QA tích hợp HITL như một phần đảm bảo độ chính xác.
Suy luận (Inference)
Mô hình đưa ra dự đoán từ đầu vào. QA kiểm thử dự đoán chính xác, nhanh và có thể giải thích.
Kiểm thử xung đột chỉ dẫn
Kiểm thử điều gì xảy ra khi nhiều chỉ dẫn mâu thuẫn. QA kiểm tra mô hình ưu tiên hoặc kết hợp hướng dẫn xung đột một cách hợp lý.
LLM (Mô hình ngôn ngữ lớn)
Mô hình huấn luyện trên khối lượng văn bản lớn như GPT-4. QA kiểm thử đầu ra về tính đúng, độ tin cậy và tuân thủ ràng buộc.
Machine Learning
AI học từ dữ liệu. QA kiểm thử hệ thống ML trên nhiều tập dữ liệu, phân phối và use case khác nhau.
Max Tokens
Số lượng từ hoặc ký tự tối đa mà AI có thể sinh ra. Tester QA xác thực phản hồi tuân thủ giới hạn này và không bị cắt bớt bất ngờ.
MCP (Model Context Protocol)
Khung giao thức truyền thông tin nền—như lịch sử người dùng, cài đặt hoặc dữ liệu tác vụ—đến mô hình AI để phản hồi chính xác hơn. Tester QA xác thực ngữ cảnh được truyền đúng và mô hình hành xử phù hợp dựa trên đó.
MLOps
Thực hành vận hành cho vòng đời ML. QA có thể kiểm thử ổn định triển khai, quản lý phiên bản và quy trình giám sát.
Kiến trúc mô hình
Thiết kế hoặc cấu trúc của mô hình AI. QA có thể kiểm thử sự khác biệt hiệu năng giữa các kiến trúc.
Trôi dạt mô hình (Model Drift)
Khi hành vi mô hình thay đổi theo thời gian. QA giám sát suy giảm độ chính xác hoặc dự đoán bất ngờ.
Kiểm thử đa phương thức
Xác thực mô hình dùng nhiều loại đầu vào (ví dụ: văn bản + hình ảnh). QA kiểm tra hệ thống xử lý và kết hợp đầu vào đúng cách.
Xử lý ngôn ngữ tự nhiên (NLP)
AI xử lý và hiểu ngôn ngữ con người. Tester xác thực nhận diện ý định, độ chính xác ngôn ngữ và phản hồi theo ngữ cảnh.
Mạng nơ-ron
Loại mô hình lấy cảm hứng từ não người. QA có thể kiểm thử hiệu quả học và khả năng diễn giải khi có thể.
Overfitting
Khi mô hình hoạt động tốt trên dữ liệu huấn luyện nhưng kém trên dữ liệu mới. QA dùng tập holdout hoặc test để phát hiện.
Tham số (Parameters)
Trọng số nội bộ mà mô hình học được. QA không kiểm thử trực tiếp chúng, nhưng chúng ảnh hưởng chất lượng đầu ra.
Precision (Chỉ số)
Độ đúng trong các dự đoán dương tính. QA dùng chỉ số này để kiểm tra false positive.
Presence Penalty
Hạn chế dùng lại từ đã xuất hiện. QA kiểm tra tính mới mẻ và mạch lạc logic trong kết quả.
Transformer đã pre-train
Mô hình đã huấn luyện trên dữ liệu lớn và thích ứng cho tác vụ mới. QA kiểm thử chất lượng thích ứng và kiến thức còn sót lại.
Pretraining
Huấn luyện quy mô lớn ban đầu trên dữ liệu tổng quát. QA có thể kiểm thử chuyển giao kiến thức trong quá trình fine-tuning.
Quyền riêng tư
Bảo vệ dữ liệu người dùng. QA kiểm tra rò rỉ dữ liệu, vấn đề ghi log và tuân thủ chính sách xử lý dữ liệu.
Đầu ra xác suất
AI cung cấp đầu ra với mức độ tin cậy khác nhau. QA đánh giá ngưỡng chắc chắn và biến thiên kết quả.
Prompt Engineering
Soạn prompt đầu vào để định hướng hành vi mô hình. QA tạo bộ prompt để kiểm thử tính nhất quán và tuân thủ.
Kiểm thử ràng buộc prompt
Kiểm tra liệu prompt trước có vô tình ảnh hưởng phản hồi sau hay không. QA đảm bảo phiên prompt được giới hạn phạm vi đúng.
RAG (Retrieval-Augmented Generation)
Kiến trúc mô hình dùng kết quả tìm kiếm để cải thiện đầu ra. QA xác thực grounding, độ chính xác truy xuất và ghi nguồn.
Mô hình suy luận
Mô hình thiết kế cho tác vụ logic. QA kiểm thử chain of thought, độ chính xác suy diễn và độ bền suy luận.
Recall (Chỉ số)
Khả năng tìm được tất cả trường hợp dương tính liên quan. QA dùng chỉ số này để kiểm tra false negative.
Học tăng cường (Reinforcement Learning)
Học thông qua tín hiệu thưởng. QA xác minh ổn định, hội tụ và an toàn của policy.
Kiểm thử lặp lại (Repeatability)
Kiểm tra mô hình có cho cùng đầu ra khi chạy nhiều lần trong điều kiện giống nhau. QA dùng để đánh giá tính xác định và độ tin cậy khi debug.
Định dạng phản hồi
Cấu trúc hoặc schema đầu ra của mô hình (ví dụ: JSON, markdown). QA xác minh định dạng đáp ứng nhu cầu ứng dụng và có thể parse được.
RNN (Mạng nơ-ron hồi quy)
Mạng cho dữ liệu tuần tự (ví dụ: văn bản, chuỗi thời gian). QA kiểm tra ghi nhớ đầu vào trước và dự đoán chuỗi đúng.
Độ bền (Robustness)
Ổn định đầu ra mô hình trước đầu vào nhiễu, đa dạng hoặc đối kháng. QA stress-test điều kiện biên và trường hợp hiếm.
Học bán giám sát (Semi-supervised Learning)
Phương pháp dùng cả dữ liệu có nhãn và không nhãn. QA có thể kiểm thử khả năng tổng quát hóa và giám sát khoảng cách hiệu năng.
Phân tích độ nhạy
Phân tích cách thay đổi nhỏ ở đầu vào ảnh hưởng đầu ra. QA dùng để phát hiện hành vi mong manh hoặc quá nhạy cảm.
Stop Sequences
Văn bản báo cho AI dừng sinh nội dung. QA xác minh điểm cắt đúng để tránh phản hồi thừa hoặc không đầy đủ.
Học có giám sát (Supervised Learning)
Huấn luyện bằng dữ liệu có nhãn. QA dùng tập test và chỉ số (accuracy, F1) để xác thực.
Vai trò hệ thống (Trong Prompt Engineering)
Xác định ngữ cảnh hành vi AI (ví dụ: chuyên gia, trợ lý). QA kiểm thử tính nhất quán vai trò và sự phù hợp đầu ra.
Temperature
Ảnh hưởng độ ngẫu nhiên—giá trị cao hơn tạo phản hồi sáng tạo và đa dạng hơn. QA điều chỉnh để cân bằng nhất quán và sáng tạo.
Sinh ảnh từ văn bản
Tạo hình ảnh từ prompt văn bản. QA đánh giá chất lượng ảnh, mức độ khớp prompt và rủi ro gây hại.
Tokenization
Tách văn bản thành token để xử lý. QA kiểm thử giới hạn token và cấu trúc không bị phá vỡ.
Top P
Kiểm soát độ ngẫu nhiên bằng cách giới hạn token theo xác suất tích lũy. QA kiểm thử ảnh hưởng đến đa dạng đầu ra và tính xác định.
TPU
Tensor Processing Unit – chip AI của Google.
Huấn luyện (Training)
Toàn bộ quá trình mô hình học. QA kiểm tra tiến độ học, hội tụ và khả năng tổng quát hóa.
Dữ liệu huấn luyện
Tập dữ liệu dùng để dạy mô hình. QA đánh giá chất lượng, đa dạng và độ chính xác gán nhãn.
Transformer
Thiết kế mô hình dùng trong hầu hết LLM. QA tập trung vào cơ chế attention, giới hạn ngữ cảnh và ổn định sinh văn bản.
Mô hình Transformer
Mô hình dùng cơ chế attention. QA kiểm thử xử lý chuỗi dài và diễn giải đúng.
Prompt Tree-of-Thought (ToT)
AI khám phá nhiều nhánh suy luận như cây quyết định. QA kiểm thử tính đầy đủ và đánh giá chất lượng từng nhánh.
Học không giám sát (Unsupervised Learning)
Học mà không cần dữ liệu có nhãn. QA kiểm tra các mẫu được phát hiện và cách dùng trong tác vụ hạ nguồn.
Vai trò người dùng (Trong Prompt Engineering)
Prompt hoặc câu hỏi từ người dùng. QA thiết kế prompt đa dạng để xác thực khả năng hiểu của AI.
Kiểm thử biến thiên/cấu hình
Kiểm thử cách thay đổi cài đặt (ví dụ: temperature, top_p) ảnh hưởng hành vi mô hình. QA đánh giá hiệu năng và ổn định giữa các cấu hình.
Vibe Coding
Công cụ lập trình bằng ngôn ngữ tự nhiên. QA kiểm thử tích hợp IDE, độ chính xác mã và prompt của developer.
Trọng số (Weights)
Giá trị số mà mô hình điều chỉnh khi huấn luyện. QA đánh giá gián tiếp qua chất lượng đầu ra.
Zero-Shot Learning
Đưa ra dự đoán mà không cần huấn luyện riêng cho tác vụ. QA đánh giá khả năng tổng quát hóa và trường hợp thất bại.
Zero-shot Prompting
AI thực hiện tác vụ mà không có ví dụ cụ thể. QA đánh giá khả năng tổng quát hóa hiệu quả.