Bản đồ công nghệ AI: ML, Deep Learning, GenAI và các nhánh liên quan
🎯 Mục tiêu học (LO AI-1.1.3 · mức K2 – Hiểu): giải thích các loại công nghệ AI khác nhau.
💡 Ý cốt lõi: AI là một "ô lớn" gồm nhiều công nghệ. Cần nhớ đúng quan hệ bao hàm giữa chúng.
- AI — Trí tuệ nhân tạo
- ML — Machine Learning (Học máy)
- DL — Deep Learning (Học sâu)
- GenAI / LLM — AI tạo sinh / Mô hình ngôn ngữ lớn
Ký hiệu: AI ⊃ ML ⊃ DL ⊃ (GenAI / LLM) — dấu ⊃ nghĩa là "chứa".
Ba dạng Machine Learning (hay ra đề nhất)
Phân biệt theo dữ liệu có nhãn hay không và cách học.
| Dạng học | Dữ liệu | Học kiểu gì | Ví dụ / thuật toán |
|---|---|---|---|
| Supervised (có giám sát) | Có nhãn | Học từ cặp (đầu vào → đáp án) để dự đoán / phân loại | Linear regression, decision tree |
| Unsupervised (không giám sát) | Không nhãn | Tự tìm cụm / mẫu ẩn trong dữ liệu | Clustering (gom cụm) |
| Reinforcement (tăng cường) | Không có sẵn đáp án | Agent học qua thử–sai, nhận thưởng/phạt từ môi trường | Điều khiển robot, chơi game |
Thuật toán ML tiêu biểu khác: neural network, Bayesian, SVM, random forest.
Đi từ ML xuống Deep Learning, GenAI
① Machine Learning (ML). Nhánh cốt lõi của AI: học từ dữ liệu, xây mô hình mà không cần lập trình tường minh. Có mô hình tự học liên tục khi có dữ liệu mới; có mô hình chỉ giữ những gì đã học, muốn cập nhật phải huấn luyện lại (retrain).
② Deep Learning (DL). Một tập con của ML, dùng mạng nơ-ron sâu (deep neural network) để xử lý bài toán phức tạp. Ba kiến trúc cần nhớ:
- CNN (Convolutional Neural Network — mạng nơ-ron tích chập) → nhận diện ảnh, phát hiện vật thể.
- RNN (Recurrent Neural Network — mạng nơ-ron hồi tiếp) → dữ liệu tuần tự (văn bản, chuỗi thời gian).
- Transformer → bắt phụ thuộc xa trong chuỗi; nền của NLP và vision transformer.
③ GenAI & LLM. Xây trên các công nghệ trên để tạo nội dung mới (mục 1.1.4). LLM kết hợp mạng nơ-ron sâu (DNN) với xử lý ngôn ngữ tự nhiên (NLP) để hiểu và sinh ngôn ngữ giống người.
Các công nghệ AI chuyên biệt khác
| Công nghệ | Dùng để làm gì |
|---|---|
| NLP (xử lý ngôn ngữ tự nhiên) | Phân tích cảm xúc, dịch máy... |
| Computer vision (thị giác máy) | Nhận diện khuôn mặt, robotics... |
| Fuzzy logic (logic mờ) | Suy luận khi thông tin bất định |
| Search algorithms (thuật toán tìm kiếm) | Tối ưu hóa: định tuyến, ra quyết định chiến lược |
| Rule-based / Expert system (hệ chuyên gia) | Hỗ trợ quyết định theo luật có cấu trúc |
Agentic AI mở rộng các công nghệ trên bằng agent tự chủ: tự lập kế hoạch, suy luận và hành động độc lập để đạt mục tiêu trong môi trường động. Việc tích hợp trọn vẹn nhiều công nghệ AI vẫn còn hạn chế, nhưng LLM cho thấy tiềm năng gộp chúng thành hệ thống thông minh thống nhất.
📝 Bẫy hay gặp
- Nhớ đúng quan hệ bao hàm: DL là tập con của ML, ML là nhánh của AI. Đề hay đảo ngược "ML là tập con của Deep Learning" → SAI.
- Gắn đúng cặp dạng học ↔ dữ liệu:có nhãn ↔ supervisedkhông nhãn ↔ unsupervisedthử–sai / môi trường ↔ reinforcement
- Gắn đúng kiến trúc Deep Learning:CNN ↔ ảnhRNN ↔ chuỗi (văn bản, thời gian)Transformer ↔ LLM / NLP
📌 Ghi nhớ
Bao hàm: AI ⊃ ML ⊃ DL ⊃ (GenAI / LLM)
3 dạng ML: có giám sát · không giám sát · tăng cường
Với tester: biết hệ dùng công nghệ gì để chọn đúng cách test — mô hình supervised cần soi chất lượng nhãn (Chương 5); mô hình DL hộp đen cần cách tiếp cận thống kê và test oracle riêng (Chương 4). Không có "một chiêu" test chung cho mọi loại AI.
📖 Thuật ngữ Anh–Việt (mục này)
Đề thi dùng thuật ngữ tiếng Anh — nhớ đúng cụm bên trái. Bấm 🔊 để nghe từng từ, hoặc "Đọc tất cả" để nghe lần lượt Anh → (vài giây) → Việt.
| Thuật ngữ (EN) | Nghĩa & ghi nhớ nhanh |
|---|---|
| Machine learning (ML) | Học máy — học từ dữ liệu, không lập trình tường minh |
| Supervised learning | Học có giám sát — dữ liệu có nhãn |
| Unsupervised learning | Học không giám sát — dữ liệu không nhãn, tự tìm cụm/mẫu |
| Reinforcement learning | Học tăng cường — agent học qua thử–sai với môi trường |
| Labeled data | Dữ liệu có nhãn (đã gắn đáp án đúng) |
| Clustering | Gom cụm — nhóm dữ liệu giống nhau lại |
| Decision tree | Cây quyết định — mô hình phân nhánh if/else học từ dữ liệu |
| Neural network | Mạng nơ-ron |
| Support vector machine (SVM) | Máy vector hỗ trợ — thuật toán phân loại |
| Random forest | Rừng ngẫu nhiên — tổ hợp nhiều cây quyết định |
| Deep learning (DL) | Học sâu — tập con của ML, dùng mạng nơ-ron sâu |
| Deep neural network (DNN) | Mạng nơ-ron sâu — nhiều lớp ẩn |
| Convolutional neural network (CNN) | Mạng tích chập — mạnh về ảnh |
| Recurrent neural network (RNN) | Mạng hồi tiếp — mạnh về dữ liệu tuần tự |
| Transformer | Kiến trúc self-attention — nền của LLM |
| Large language model (LLM) | Mô hình ngôn ngữ lớn |
| Natural language processing (NLP) | Xử lý ngôn ngữ tự nhiên |
| Computer vision | Thị giác máy tính — phân tích dữ liệu hình ảnh |
| Fuzzy logic | Logic mờ — suy luận khi thông tin bất định |
| Expert system | Hệ chuyên gia — ra quyết định theo luật có cấu trúc |
| Agentic AI | AI tác tử — agent tự chủ lập kế hoạch, suy luận, hành động |
🎯 Câu hỏi minh họa (phong cách đề CT-AI · K2)
A marketing team has a large set of customer records with no predefined labels and wants the system to automatically group similar customers into segments. Which type of machine learning fits best?
- a) Supervised learning, using linear regression.
- b) Unsupervised learning, using clustering.
- c) Reinforcement learning, using trial-and-error with an environment.
- d) Deep learning, using a convolutional neural network (CNN).
Xem bản dịch tiếng Việt
Một nhóm marketing có tập lớn hồ sơ khách hàng không có nhãn định sẵn và muốn hệ thống tự động gom các khách hàng giống nhau thành từng nhóm. Dạng học máy nào phù hợp nhất?
a) Học có giám sát, dùng linear regression.
b) Học không giám sát, dùng clustering (gom cụm).
c) Học tăng cường, dùng thử–sai với môi trường.
d) Học sâu, dùng mạng tích chập (CNN).
Xem đáp án & giải thích
✅ Đáp án đúng: b — Dữ liệu không nhãn + tự gom nhóm → unsupervised learning, kỹ thuật clustering.
a sai — supervised cần dữ liệu có nhãn để học.
c sai — reinforcement hợp bài toán học hành vi qua tương tác môi trường, không phải gom nhóm dữ liệu tĩnh.
d sai — CNN chuyên về ảnh; đây không phải bài toán thị giác.
Đề để tiếng Anh cho sát đề thi thật; phần giải thích để tiếng Việt cho dễ hiểu. Câu hỏi do maiqai.com tự soạn theo phong cách đề.
📎 Nguồn: Chương 1 – Giới thiệu AI, mục 1.1.3 "Different Types of AI Technologies", trang 16–17 — ISTQB® Certified Tester AI Testing Syllabus v2.0 (© International Software Testing Qualifications Board). Nội dung biên soạn/dịch ý lại bằng tiếng Việt, không sao chép nguyên văn.