AI AGENTS - Bài 2: HÀNH TRÌNH TIẾN HÓA CỦA AI – TỪ TƯ DUY CỨNG NHẮC ĐẾN HÀNH ĐỘNG ĐỘC LẬP

Đỗ Ngọc Minh

Bài 2:

HÀNH TRÌNH TIẾN HÓA CỦA AI – TỪ TƯ DUY CỨNG NHẮC ĐẾN HÀNH ĐỘNG ĐỘC LẬP

Trong lịch sử công nghệ, chúng ta chưa từng chứng kiến một tốc độ thay đổi nào chóng mặt như AI. Để hiểu tại sao AI Agents lại là tương lai, chúng ta cần nhìn lại 4 cột mốc quan trọng sau:

1. AI dựa trên luật lệ (Rule-based AI) – "Nếu... Thì..."

Vào những thập niên trước, AI thực chất là những hệ thống chuyên gia. Con người đóng vai trò "người thầy" cầm tay chỉ việc.

• Cơ chế: Hoạt động dựa trên các kịch bản có sẵn. Nếu người dùng nhập A, máy trả lời B. Nếu vi phạm điều kiện C, máy thực hiện D.
• Đặc điểm: Cực kỳ cứng nhắc. Máy không có khả năng học hỏi. Chỉ cần một tình huống nằm ngoài kịch bản, hệ thống sẽ hoàn toàn bế tắc.
• Ví dụ: Các chatbot sơ khai trên website ngân hàng đời đầu hoặc các phần mềm tính thuế cơ bản.

2. Machine Learning (Học máy) – "Học từ dữ liệu"

Cuộc cách mạng thực sự bắt đầu khi chúng ta ngừng dạy máy bằng luật lệ và bắt đầu dạy bằng dữ liệu.

• Cơ chế: Thay vì viết mã cho mọi tình huống, chúng ta nạp cho máy hàng triệu ví dụ để nó tự tìm ra quy luật (Pattern recognition).
• Đặc điểm: Máy bắt đầu có khả năng dự đoán và phân loại. Tuy nhiên, kết quả đầu ra thường là các con số khô khan hoặc các nhãn phân loại.
• Ví dụ: Hệ thống gợi ý phim của Netflix, nhận diện khuôn mặt trên iPhone hoặc lọc thư rác (Spam) trong Gmail.

3. Generative AI & LLMs (AI tạo sinh) – "AI để hỏi"

Sự xuất hiện của các Mô hình ngôn ngữ lớn (LLMs) như GPT-4 đã thay đổi hoàn toàn cuộc chơi. AI không còn chỉ phân loại dữ liệu, nó tạo ra dữ liệu mới.

• Cơ chế: Dự đoán từ tiếp theo dựa trên xác suất cực kỳ lớn từ kho tàng tri thức của nhân loại.
• Đặc điểm: AI có khả năng sáng tạo, tổng hợp và giao tiếp bằng ngôn ngữ tự nhiên như con người. Đây là kỷ nguyên của "AI để hỏi" – bạn đưa ra một yêu cầu (Prompt), AI trả về một câu trả lời văn bản.
• Ví dụ: ChatGPT, Claude, Gemini.

4. AI Agents (Tác nhân AI) – "AI để làm"

Đây là điểm dừng chân hiện tại và cũng là tương lai gần nhất. Đây là sự nâng cấp từ "biết nói" sang "biết làm".

• Cơ chế: AI Agent lấy LLM làm bộ não, nhưng được trang bị thêm công cụ (truy cập web, chạy code, gọi API) và khả năng lập kế hoạch.
• Đặc điểm: Agent không chỉ trả lời bạn bằng văn bản. Khi bạn đưa mục tiêu, nó sẽ tự chia nhỏ việc cần làm, tự tìm công cụ để thực hiện và tự sửa lỗi cho đến khi đạt kết quả.
• Ví dụ: Một Agent không chỉ liệt kê các chuyến bay (như LLM làm), mà nó tự vào trang web, so sánh giá, đặt vé và gửi lịch trình vào lịch cá nhân của bạn.

---

PHÂN TÍCH CHUYÊN SÂU: SỰ CHUYỂN DỊCH THÔNG ĐIỆP

"Chúng ta đang chuyển từ AI để hỏi sang AI để làm"

Tại sao thông điệp này lại quan trọng đến vậy?

1.  Từ Thụ động sang Chủ động: Trước đây, LLM là một thư viện thông thái nhưng thụ động. Bạn phải đặt câu hỏi đúng để có câu trả lời tốt. Với Agent, bạn đưa ra Mục tiêu (Goal) thay vì câu hỏi. Agent sẽ chủ động thực hiện chuỗi hành động để đạt mục tiêu đó.

2.  Xóa bỏ khoảng cách giữa Suy nghĩ và Thực thi: Với Generative AI, sau khi có câu trả lời, bạn vẫn phải tự tay copy code vào máy, tự tay gửi email hoặc tự tay thiết kế slide. Với AI Agent, khoảng cách này biến mất. Máy tính thực sự trở thành một "nhân viên" thực thi công việc.

3.  Tư duy Hệ thống thay vì Tư duy Câu lệnh: Kỷ nguyên Agent đòi hỏi chúng ta không chỉ giỏi đặt câu hỏi (Prompt Engineering) mà còn phải giỏi thiết lập quy trình (Workflow Design). Bạn không chỉ quản lý một con bot, bạn đang quản lý một quy trình làm việc tự động.