ChatGPT là gì? ChatGPT hoạt động như thế nào?
Mua gói Thành viên QuanTriMang Pro để trải nghiệm website không quảng cáo và sử dụng các tiện ích AI trên QuanTriMang.
ChatGPT có lẽ là ứng dụng quan trọng nhất được phát hành trong thập kỷ qua. Mặc dù ban đầu nó chỉ là một chatbot/bản demo công nghệ cho các mô hình ngôn ngữ lớn (LLM) của OpenAI, nhưng giờ đây nó đã trở thành nhiều hơn thế. Các mô hình AI nền tảng của nó có thể tìm kiếm trên web, tạo và đánh giá hình ảnh, và thậm chí viết những bài thơ ngớ ngẩn. Và nó cũng có thể nhanh chóng tóm tắt các tài liệu khổng lồ, tạo code máy tính và vượt qua những bài kiểm tra mà ít người có thể làm được. Giờ đây nó là công cụ đa năng tối ưu.
Khi OpenAI bổ sung tất cả các tính năng này, ra mắt những mô hình mới và nói chung là liên tục thúc đẩy ChatGPT tiến lên, việc trả lời một câu hỏi tưởng chừng đơn giản: ChatGPT hoạt động như thế nào? ngày càng trở nên khó khăn hơn.
ChatGPT là gì?

ChatGPT là một chatbot được hỗ trợ bởi mạng nơ-ron nhân tạo transformer, được huấn luyện trên lượng lớn văn bản để học các mẫu ngôn ngữ. Sau quá trình huấn luyện sơ bộ này, các mô hình được tinh chỉnh bằng những phương pháp như học tăng cường từ phản hồi của con người (RLHF) để phản hồi của chúng an toàn và hữu ích hơn. Khi bạn nhập một prompt, ChatGPT sẽ chia nó thành các token (những đoạn văn bản nhỏ), sử dụng kiến thức đã học để tìm ra điều quan trọng nhất, sau đó dự đoán các token tiếp theo để tạo ra một câu trả lời mạch lạc.
Tốt nhất nên coi ChatGPT như một wrapper dễ sử dụng xung quanh một số mô hình AI tiên tiến nhất hiện có. Giao diện chatbot của nó cho phép trả lời câu hỏi của bạn, viết nội dung, tạo hình ảnh, soạn thảo email, trò chuyện, động não ý tưởng, giải thích code bằng các ngôn ngữ lập trình khác nhau, dịch ngôn ngữ tự nhiên sang code, giải quyết những vấn đề phức tạp, v.v... - tất cả dựa trên các prompt bằng ngôn ngữ tự nhiên mà bạn cung cấp cho nó. Bạn không cần phải chuyển đổi giữa các ứng dụng để truy cập những tính năng khác nhau của nó - chỉ cần bắt đầu một cuộc trò chuyện mới trong ChatGPT.
Tất nhiên, bản thân ChatGPT dựa vào AI để xác định mô hình hoặc sự kết hợp các mô hình nào có thể xử lý yêu cầu của bạn tốt nhất. Trừ khi bạn chỉ định một mô hình AI cụ thể, nó sẽ tự động chuyển prompt của bạn đến mô hình mà nó cho là phù hợp nhất. Tại thời điểm viết bài này, ChatGPT chủ yếu dựa vào dòng mô hình GPT-5.6 cho các cuộc trò chuyện thông thường hàng ngày. OpenAI phân loại các phiên bản cụ thể dựa trên loại tài khoản người dùng và nhu cầu về khả năng suy luận:
- GPT-5.6 Sol: Mô hình chủ lực cốt lõi hỗ trợ các cuộc trò chuyện thông thường và các cấp độ suy luận chuyên sâu hơn dành cho người dùng gói Plus và Pro (có trả phí).
- GPT-5.6 Luna: Mô hình tốc độ cao và hiệu quả tối ưu, được thiết lập làm mặc định cho người dùng gói Free và Go.
- GPT-6 Astra (GPT-6 Pro): Mô hình tiên tiến nhất, cao cấp nhất, chuyên dùng cho các tác vụ suy luận phức tạp và công việc ở quy mô doanh nghiệp, dành cho các gói Pro, Business và Enterprise.
Thật khó để nói quá về tính linh hoạt của sự kết hợp các mô hình AI này. Từ cùng một giao diện, ChatGPT có thể viết email cho sếp của bạn, dịch một cuộc hội thoại theo thời gian thực khi bạn đang đi du lịch hoặc giúp bạn nhận diện một món ăn trong nhà hàng từ một bức ảnh.
ChatGPT còn đóng vai trò là một agent harness; nghĩa là khi được cấp quyền truy cập vào ngữ cảnh và các công cụ bên ngoài, nó có thể thực hiện những chuỗi hành động qua nhiều ứng dụng khác nhau – tất cả đều dựa trên những yêu cầu bằng ngôn ngữ tự nhiên mà bạn cung cấp. Với sự ra mắt của các tính năng mới, ChatGPT trở thành một AI agent có khả năng ứng dụng cao:
- ChatGPT Codex là một AI agent chuyên về lập trình, cho phép bạn chuyển đổi các yêu cầu bằng ngôn ngữ tự nhiên thành các ứng dụng và quy trình làm việc hoàn chỉnh.
- ChatGPT Work có thể được xem là phiên bản dành cho người dùng không chuyên về kỹ thuật của Codex; nó cho phép bạn thao tác trên các file, ứng dụng và khởi chạy những workflow ngay từ khung trò chuyện.
- ChatGPT Dots bổ sung thêm một lớp chức năng: Nó có thể theo dõi tất cả các ứng dụng đã kết nối của bạn và tự động thực hiện hành động dựa trên những gì nó phát hiện được – ngay cả khi bạn không cần phải đưa ra yêu cầu cụ thể.
Vậy bây giờ bạn đã hiểu ChatGPT làm gì (và nó ẩn chứa bao nhiêu sự phức tạp), hãy cùng tìm hiểu sâu hơn về các mô hình AI cơ bản này.
ChatGPT hoạt động như thế nào?
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 sử dụng 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 trình bày 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 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. Họ mô hình o1 cũng được huấn luyện trước, cũng như hầu hết các mô hình AI hiện đại khác, vì vậy việc OpenAI bỏ chữ P khỏi tên gọi là điều dễ hiểu. Nó không còn là một đặc điểm phân biệt nữa.
Trước GPT-1, các mô hình AI hoạt động tốt nhất đã sử dụng "học có giám sát" để phát triển những 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 động vật do con người viết. Loại dữ liệu huấn luyện này, mặc dù hiệu quả trong một số trường hợp, nhưng lại cực kỳ tốn kém để sản xuất. Ngay cả bây giờ, vẫn không có nhiều dữ liệu được gắn nhãn và phân loại phù hợp để sử dụng cho việc huấn luyện các LLM.
Thay vào đó, GPT-1 sử dụng phương pháp huấn luyện trước 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 nhân tạo 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 này sử dụng cái gọi là kiến trúc Transformer (chữ T trong GPT) và đã được đề xuất trong một bài báo nghiên cứu vào năm 2017. Nó hoàn toàn cần thiết cho sự bùng nổ hiện tại của các mô hình AI.
Mặc dù nghe có vẻ - và thực tế là - phức tạp khi giải thích, mô hình Transformer về cơ bản đã đơn giản hóa cách thiết kế các thuật toán AI. Nó cho phép các phép tính được song song hóa (hoặc thực hiện cùng một lúc), nghĩa là thời gian huấn luyện giảm đáng kể. Nó không chỉ làm cho các mô hình AI tốt hơn mà còn làm cho chúng nhanh và rẻ hơn để sản xuất.
Cốt lõi của Transformer là một quá trình gọi là "tự chú ý". Các RNN (Recurrent Neural Network) 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 lập của câu. (Đây cũng là một cách tính toán chậm vì nó 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. GPT-3, mô hình gốc đứng sau ChatGPT, được huấn luyện trên khoảng 500 tỷ token, cho phép các mô hình ngôn ngữ của nó dễ dàng gán ý nghĩa và dự đoán văn bản tiếp theo hợp lý bằng cách ánh xạ chúng trong không gian vector.
Nhiều từ được ánh xạ thành một token duy nhất, mặc dù các từ dài hoặc phức tạp hơn thường được chia 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 ra, ít nhất là đối với GPT-3. Điều đó bao gồm sách, bài báo và các tài liệu khác nhau về tất cả mọi chủ đề, phong cách và thể loại - và một lượng nội dung đáng kinh ngạc được thu thập từ Internet mở. Về cơ bản, nó được phép xử lý toàn bộ kiến thức của con người để phát triển mạng lưới mà nó sử dụng để tạo ra văn bản.
Hiện nay, các nhà nghiên cứu đang cạn kiệt dữ liệu huấn luyện do con người tạo ra, vì vậy những mô hình sau này, bao gồm cả o1, cũng được huấn luyện trên dữ liệu huấn luyện tổng hợp - hay do AI tạo ra. Và đó là chưa kể đến tất cả dữ liệu huấn luyện hình ảnh và âm thanh cũng phải được phân tích thành các token riêng biệt.
Học tăng cường từ phản hồi của con người (RLHF)
Nếu không được huấn luyện thêm, bất kỳ mạng nơ-ron nhân tạo của LLM nào cũng hoàn toàn không phù hợp để phát hành rộng rãi. Xét cho cùng, GPT được huấn luyện trên Internet mở mà hầu như không có hướng dẫn nào - bạn có thể tưởng tượng được sự kinh khủng của nó không?
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 nhân tạo 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 trình huấn luyện AI) để AI có thể học được phản hồi nào là tốt nhất trong bất kỳ tình huống nào. Mặc dù không phải là học có giám sát thuần túy, RLHF cho phép các mạng như GPT được tinh chỉnh một cách hiệu quả.
Suy luận Chain-of-thought (CoT)
Các mô hình LLM như GPT-4o gặp khó khăn với những vấn đề phức tạp, nhiều bước. Quá trình huấn luyện 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 bạn 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 suy luận Chain-of-thought (CoT) - chuỗi suy nghĩ 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). 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 nó 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 tạp để biểu diễn các quy tắc đó, và sau đó được sử dụng những thuật toán đó để thực hiện các nhiệm vụ cụ thể.
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 prompt 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 nổi bật nhất của nó là gì, và bạn thực sự muốn nó làm gì. Từ đó, mạng nơ-ron nhân tạo lại hoạt động 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.
Tính đa phương thức trong ChatGPT
Trong khi xử lý ngôn ngữ tự nhiên là tính năng nổi bật của ChatGPT, nó cũng là một hệ thống đa phương thức. Điều đó có nghĩa là ChatGPT có thể hiểu văn bản, hình ảnh và âm thanh (cùng với các đầu vào khác) như một phần của cùng một prompt.
Đây là điều cho phép nó xử lý tài liệu và hình ảnh, phân tích biểu đồ và đồ thị, hoặc phản hồi yêu cầu của bạn bằng hình ảnh từ DALL·E 3. Đây cũng là điều cho phép chế độ giọng nói nâng cao trên ứng dụng di động ChatGPT mà bạn có thể thoải mái trò chuyện, thậm chí ngắt lời.
Mặc dù quá trình phát triển cho tất cả các tính năng bổ sung này vô cùng phức tạp, nhưng chúng vẫn dựa trên nhiều khối xây dựng AI tương tự như bộ chuyển đổi, token và huấn luyện.
Khả năng mở rộng trong ChatGPT
Một trong những khía cạnh mạnh mẽ nhất của ChatGPT là nó không còn chỉ là một chatbot với một tập hợp kiến thức hạn chế dựa trên dữ liệu huấn luyện của nó. Dưới đây là một số cách mạnh mẽ nhất bạn có thể sử dụng ChatGPT:
- Ứng dụng dành cho desktop cho phép bạn truy cập ChatGPT bất cứ lúc nào. Ứng dụng có thể nhận diện nội dung trên màn hình của bạn và giờ đây có thể hoạt động với các ứng dụng lập trình.
- Ứng dụng di động cho phép bạn sử dụng chế độ giọng nói nâng cao với ChatGPT cũng như upload ảnh trực tiếp từ điện thoại.
- Chức năng tìm kiếm ChatGPT cho phép bạn tìm kiếm thông tin thời gian thực từ web trong ChatGPT.
- GPT cho phép bạn xây dựng các bot tùy chỉnh của riêng mình trên ChatGPT.
- Tích hợp Zapier với ChatGPT cho phép bạn kết nối ChatGPT với hàng ngàn ứng dụng khác, vì vậy bạn có thể truy cập nội dung ChatGPT từ bất kỳ ứng dụng nào bạn đang sử dụng.
- Zapier MCP hoạt động với ChatGPT, vì vậy bạn có thể truy cập Zapier trực tiếp từ ChatGPT.
Điều gì sẽ đến tiếp theo với ChatGPT?
Dựa trên hàng loạt bản cập nhật và phát hành trong năm qua, có thể thấy rõ OpenAI đang định hướng ChatGPT theo một lộ trình: Giảm bớt việc chỉ trả lời câu hỏi, tăng cường khả năng thực hiện tác vụ. Các mô hình của OpenAI ngày càng được thiết kế để tự vận hành trên nhiều công cụ và phần mềm khác nhau với sự can thiệp tối thiểu từ con người. Song hành với đó là nỗ lực không ngừng nhằm đảm bảo các mô hình này hoạt động một cách đáng tin cậy và an toàn.
OpenAI khá cởi mở khi thảo luận về những thách thức trong việc kiểm soát hành vi của mô hình - từ việc thu hồi các bản cập nhật chưa đạt yêu cầu, công bố "Thông số kỹ thuật của mô hình" (Model Spec) quy định cách thức vận hành chuẩn mực, cho đến việc giải quyết các vấn đề chỉ thực sự lộ diện khi có hàng tỷ người cùng sử dụng. Đây là một quá trình hoàn thiện liên tục, và có lẽ sẽ luôn là như vậy.
Khi ChatGPT đảm nhận nhiều tác vụ agentic hơn - thay mặt người dùng thao tác trên các ứng dụng và hệ thống - thì các vấn đề về hành vi của mô hình, kiểm soát quyền truy cập và độ tin cậy sẽ càng trở nên quan trọng. OpenAI hoàn toàn nhận thức được điều này. Liệu tốc độ phát triển năng lực của mô hình có vượt xa các nỗ lực đảm bảo tính đáng tin cậy hay không, đó chính là câu hỏi đáng để chúng ta theo dõi sát sao.
Bạn nên đọc
-
ChatGPT Wallet hay Google Gemini sẽ dẫn đầu trong lĩnh vực mua sắm và tài chính cá nhân dựa trên AI?
-
ChatGPT hay Claude là lựa chọn tốt hơn trong lĩnh vực chăm sóc sức khỏe?
-
Hướng dẫn tích hợp Plugin Firecrawl trên ChatGPT
-
Cách thêm plugin Data vào ChatGPT để phân tích dữ liệu và tạo dashboard bằng tiếng Việt
-
AI của Facebook có thể tạo video từ đoạn văn bản mô tả đơn giản
-
AI tạo ra ảnh toàn thân của 100.000 người không tồn tại, cho phép tải về miễn phí
-
AI đoán chính xác người bị tiêu chảy qua tiếng toilet
-
Cách tạo Skill trong ChatGPT để viết prompt Canva cho bài đăng mạng xã hội
-
Cách dùng plugin Data trên ChatGPT để tóm tắt số liệu từ file bảng tính
Theo Nghị định 147/2024/ND-CP, bạn cần xác thực tài khoản trước khi sử dụng tính năng này. Chúng tôi sẽ gửi mã xác thực qua SMS hoặc Zalo tới số điện thoại mà bạn nhập dưới đây:
Hướng dẫn AI
AI Tools
Học IT
Hàm Excel