AI học từ đâu mà trả lời được đủ thứ chuyện?

AI học từ đâu mà trả lời được đủ thứ chuyện? Video giải thích bằng hình cách một mô hình như ChatGPT được huấn luyện: máy đã đọc những gì, núi chữ ấy to cỡ nào, và học xong thì cái gì thay đổi. Bạn cũng sẽ biết vì sao khi đang trò chuyện, các "núm" bên trong mô hình không tự xoay lại; và vì sao OpenAI (23/10/2026) cho biết sẽ huấn luyện các mô hình hàng đầu mà không nối thẳng ra internet. Số liệu nào cũng đi kèm tên mô hình, vì các hãng lớn (GPT-6, Claude, Gemini 4) không công bố lượng chữ đã đọc. Chưa xem hai tập trước? Tập này nối tiếp, mỗi tập xem riêng vẫn hiểu: Tập 1, đoạn "học là đoán, so đáp án, chỉnh núm" (từ 6:15):    • Từ con mèo đến ChatGPT: AI học, đoán chữ r...   Tập 2, đoạn "ba cách cho AI tra sổ" (từ 10:32):    • Vì sao AI bịa mà nghe vẫn rất tự tin?   Cả loạt "Hiểu AI từ số 0":    • Hiểu AI từ số 0   CÁC CHƯƠNG 0:00 Rút dây mạng: AI còn học được không? 1:09 Máy đọc những gì 3:24 Núi chữ to cỡ nào 5:49 Học bằng cách nào: đoán, so đáp án, nhích núm 7:24 Học xong thì cái gì đổi 9:36 Bây giờ AI học thêm thế nào 13:22 Đọc nhiều thì vững, đọc ít thì mỏng 16:43 Dùng AI tỉnh táo hơn BẠN TỰ KIỂM TRA ĐƯỢC Thử hỏi AI về một tên riêng ít phổ biến hoặc năm sinh một nhân vật lịch sử ít người biết, rồi đối chiếu với nguồn đáng tin. Mở một cuộc trò chuyện mới và hỏi lại: nếu mỗi lần ra một đáp án khác, hãy coi chi tiết đó là chưa chắc. NGUỒN CHÍNH (nguồn đầy đủ: xem bình luận ghim) OpenAI, "Securing our frontier model training environment" (23/10/2026): https://openai.com/index/securing-our... Radford và cộng sự (OpenAI), GPT-2 (2019): https://cdn.openai.com/better-languag... Brown và cộng sự (OpenAI), GPT-3 (2020): https://arxiv.org/abs/2005.14165 Hoffmann và cộng sự (DeepMind), Chinchilla (2022): https://arxiv.org/abs/2203.15556 Llama Team (Meta), "The Llama 3 Herd of Models" (2024): https://arxiv.org/abs/2407.21783 Qwen Team (Alibaba), "Qwen3 Technical Report" (2025): https://arxiv.org/abs/2505.09388 DeepSeek-AI, DeepSeek-V4 (04/2026): https://arxiv.org/abs/2606.19348 DeepSeek-AI, DeepSeek-R1 (2025): https://arxiv.org/abs/2501.12948 Epoch AI, "Will we run out of data?" (2024): https://epoch.ai/publications/will-we... Kandpal và cộng sự, "Large Language Models Struggle to Learn Long-Tail Knowledge" (2022): https://arxiv.org/abs/2211.08411 Razeghi và cộng sự (2022): https://arxiv.org/abs/2202.07206 Anthropic, "Detecting and preventing distillation attacks" (23/02/2026): https://www.anthropic.com/news/detect... OpenAI Help Center, "Memory in ChatGPT": https://help.openai.com/en/articles/8... CÁCH KÊNH ĐO (thử nghiệm nhỏ, không phải thống kê) Các phép đo ngày 27/10/2026 chạy trên máy tính của kênh, qua khung chat tự dựng, với bản gốc của hai mô hình mở Gemma 4 12B (Google DeepMind) và Qwen3.5-2B. Đây không phải ChatGPT. Con số "xác suất" là xác suất mô hình gán cho đáp án đúng, không phải độ tự tin do máy tự nói. Câu "Con mèo nhà tôi tên là Bông": Gemma 4 gán chữ "Bông" 0,99% khi chưa dặn, 81,0% ngay trong cuộc trò chuyện đã dặn, và lại 0,99% ở cuộc trò chuyện mới; toàn bộ trọng số trước và sau giống hệt nhau. Tên tác giả: Truyện Kiều (Nguyễn Du) 99,2%, Bước đường cùng (Nguyễn Công Hoan) 67,3%, Hoa Tiên (Nguyễn Huy Tự) 0,15%. Chỉ là một vài ví dụ trên một mô hình, không đại diện cho mọi mô hình. "188.000 năm" là phép tính minh hoạ của kênh: 33 nghìn tỷ mẩu chữ (DeepSeek-V4-Pro) × 0,75 từ mỗi mẩu ÷ 250 từ mỗi phút, đọc liên tục. Ổ khoá, tủ "Bản lưu web", cuốn sổ và các "núm vặn" là hình ảnh ví von của kênh để dễ hình dung, không có thật bên trong mô hình. Đăng ký kênh Paivo để xem tập tiếp theo. #AI #ChatGPT #Paivo