Series Tất tần tật về AI Agents

AI Agents - Tuy lạ mà quen, tuy quen mà lạ

Ở Việt Nam, từ cuối năm 2024 đến nay, các chuyên gia nhắc nhiều về AI Agents. Trong khi đó, các báo cáo phân tích của McKinsey, Gartner, Forbes hay Harvard Business Review đã nhắc tới xu hướng này từ 2023.

AI Agents là gì?

Để dễ hiểu, chúng ta tách AI Agents thành AI và Agents:

• Agents hiểu nôm na là trợ lý thông tin.
  • Agents “người”: Như cô tổng đài viên trả lời thông tin, thực hiện tác vụ như đặt vé khách sạn, máy bay.
  • Agents “máy”: Như chatbot trả lời theo kịch bản dựng sẵn. Nhưng đây chưa phải AI Agents.
• AI trong AI Agents tức là các Agents này có ứng dụng trí tuệ nhân tạo.
  • Voicebot nhận diện giọng nói nhưng vẫn trả lời theo kịch bản => chưa phải AI Agents thực sự.
  • Trợ lý ảo như Siri, Alexa, Google Assistant là thế hệ đầu của AI Agents, khi có thể nhận diện giọng nói, phân tích câu truy vấn, đặt vào ngữ cảnh cá nhân hoá và xử lý thông tin linh hoạt.

Sự bùng nổ AI Agents với Generative AI

Từ khi có Generative AI (AI tạo sinh nội dung hay Foundation AI), AI Agents phát triển mạnh mẽ.

Nhưng trước khi đi sâu vào các loại AI Agents, chúng ta cần hiểu về Machine Learning và AI Engineering.

‍

Machine Learning và AI trước thời ChatGPT

Trước khi ChatGPT ra đời, khi nói tới AI, chúng ta hay nhắc đến Machine Learning. Vì sao?

• Để có AI, phải có dữ liệu được train theo một mô hình nào đó.
• Việc train này tốn rất nhiều tiền trong khâu đánh nhãn dữ liệu (labelling).
• Ví dụ: Để AI nhận diện một quả trứng ốp la, cần hàng trăm ngàn bức ảnh có nhãn để huấn luyện mô hình.
• Chỉ những công ty giàu có mới có thể đầu tư bài bản vào AI.

‍

Sau thời ChatGPT, AI trở nên đơn giản và phổ biến hơn

• Không cần train dữ liệu từ đầu vì đã có mô hình có sẵn.
• Các mô hình AI mới được train với lượng dữ liệu lớn hơn rất nhiều.
• AI as a Service trở nên phổ biến, giúp các AI Engineer dễ dàng khai thác AI hơn.

‍

Cấu trúc AI Agents: Phần lõi, tối ưu và giao diện

Để dễ hình dung, AI Agents gồm 3 phần chính:

1. Phần lõi - Foundation AI: Các AI nền tảng như ChatGPT, Gemini, được train với hàng tỷ tham số.
2. Phần tối ưu: Sử dụng Prompt Engineering, RAG, Fine-tuning để tối ưu và cá nhân hoá thông tin.
3. Phần vỏ - Giao diện: Là chatbot, voicebot, nơi người dùng giao tiếp với AI.

‍

Những vấn đề của AI Agents

Dù mạnh mẽ, AI Agents vẫn có những hạn chế:

• Hallucination (Ảo giác AI): AI đôi khi tạo ra thông tin sai nhưng trông rất hợp lý.
• Không có dữ liệu thời gian thực.
• Không có dữ liệu chi tiết về các thông tin chưa được train.
  • Ví dụ: Chính sách bán hàng, sản phẩm công ty riêng lẻ.

Để khắc phục, người ta sử dụng Prompt Engineering, RAG, Fine-tuning để giúp AI thông minh hơn.

‍

Trong bài viết tiếp theo của series này, chúng ta sẽ khám phá chi tiết về Prompt Engineering, RAG và Fine-Tuning. Đây là những kỹ thuật quan trọng giúp tinh chỉnh AI Agents, giúp chúng trở nên hiệu quả hơn cho các ứng dụng kinh doanh cụ thể.