Bỏ qua đến nội dung chính

Next Steps

📖 Nội dung bài học

title: "Các Bước Tiếp Theo"
source: https://anthropic.skilljar.com/ai-capabilities-and-limitations/456461
crawled_at: 2026-04-23T08:24:08.170Z
embeds: ["https://www.youtube.com/embed/F7ciHDKAlCA"]

Bạn sẽ học được gì

Thời gian ước tính: 20 phút

Đến cuối bài học này, bạn sẽ có thể:

  • Tổng hợp bốn thuộc tính và "training fingerprints" thành một "mental model" đang hoạt động
  • Kết nối khung Năng Lực & Giới Hạn với khung tư duy 4D (4D Framework) như hai nửa của một hệ thống
  • Xác định một thay đổi cụ thể để thực hiện trong thực hành AI của bạn trong tuần này

Áp dụng khung 4D để có kết quả AI tốt hơn

(5 phút)

Sử dụng AI một cách thành thạo không phải là ghi nhớ mọi lỗi có thể xảy ra. Đó là việc bạn có một "model" nhỏ, rõ ràng về cỗ máy trong đầu, để khi có sự cố, bạn có thể nhận ra đó là loại lỗi nào và phản hồi cho phù hợp.

Một "model" nhỏ về cỗ máy

Khung Năng Lực & Giới Hạn của AI

Bốn thuộc tính định hình những gì AI có thể và không thể làm cho bạn. Mỗi thuộc tính nằm trên một "spectrum" — càng về bên phải, bạn càng nên xác minh và bù đắp.

Năng Lực

Giới Hạn

Dự đoán "Token" Tiếp Theo

Câu trả lời của AI đến từ đâu?

Những con đường mòn: tóm tắt, định dạng lại, giải thích các khái niệm phổ biếnLãnh thổ mới, các mẫu thưa thớt, "đúng so với nghe có vẻ đúng"

Kiến Thức

AI thực sự biết gì?

Thường xuyên, gần đây trong "training", nhất quán: các chủ đề chính thống, ngôn ngữ phổ biếnHiếm, sau "cutoff", ngách, địa phương hoặc các chủ đề gây tranh cãi

Bộ Nhớ Làm Việc

AI đang chú ý đến điều gì ngay bây giờ?

Tài liệu phù hợp thoải mái, phiên làm việc hiện tại, bạn cung cấp ngữ cảnh liên quanTài liệu/cuộc trò chuyện rất dài, mong đợi sự liên tục giữa các phiên (the cliff)

Khả năng Điều Khiển

Tôi kiểm soát được bao nhiêu?

Hướng dẫn ngắn gọn, cụ thể, có thể xác minh ("trả lời dưới dạng bảng", "dưới 100 từ")Chuỗi lý luận dài, yêu cầu trừu tượng, độ chính xác tự nhiên

Những điểm chính

  • Bây giờ bạn đã có một "mental model" đang hoạt động: bốn thuộc tính dưới dạng liên tục, các lỗi đặc trưng là giao điểm của các thuộc tính.
  • Khung này và khung 4D là hai mặt của một hệ thống. Các thuộc tính giải thích những gì các năng lực 4D đang phản hồi.
  • Tin tưởng đã được hiệu chỉnh có nghĩa là xác định nhiệm vụ của bạn trên mỗi "continuum" và kết hợp thói quen xác minh và ngữ cảnh của bạn với vị trí của nó.
  • "Models" sẽ tiếp tục thay đổi. Hình dạng của các thuộc tính này vẫn hữu ích ngay cả khi các ranh giới chính xác thay đổi.

Bài tập

Bài tập: Cam kết của bạn

Quay lại danh sách nhiệm vụ của bạn từ Bài 1. Đối với mỗi nhiệm vụ, hãy ghi nhanh một đánh giá trực giác: nhiệm vụ đó nằm ở đâu trên "continuum" của mỗi thuộc tính và bạn có thể cần những biện pháp giảm thiểu nào?

Bây giờ, hãy chọn một nhiệm vụ và một thay đổi bạn sẽ thực hiện trong tuần này (một bước xác minh, thiết lập ngữ cảnh cố định, một "checkpoint", một thói quen nêu rõ mục tiêu chứ không chỉ là định dạng). Viết nó ra.

Phản ánh bài học

  • Điều thay đổi lớn nhất trong cách bạn nghĩ về hành vi của AI từ Bài 1 đến bây giờ là gì?
  • Trong số các chữ D của khung 4D, chữ nào bạn cảm thấy được cải thiện ngay lập tức nhất nhờ những gì bạn đã học ở đây?

Tiếp theo là gì

Nếu bạn chưa tham gia khóa học Khung & Nền tảng về Khả năng sử dụng AI, đó là bước tiếp theo tự nhiên. Nó đi sâu vào các năng lực của con người mà khóa học này đã cung cấp cho bạn ngữ cảnh về phía cỗ máy. Và tiếp tục kiểm tra các cạnh: các thuộc tính vẫn ổn định, nhưng vị trí của các đường sẽ tiếp tục di chuyển khi các "model" được cải thiện.

Phản hồi

Khi bạn tiến bộ trong khóa học, chúng tôi rất muốn nghe từ bạn về cách bạn đang sử dụng các khái niệm từ khóa học trong công việc của mình, cộng với bất kỳ phản hồi nào bạn có thể có. Chia sẻ phản hồi của bạn tại đây.

Ghi nhận và giấy phép

Bản quyền 2026 Anthropic. Tác phẩm gốc được xây dựng dựa trên Khung Khả năng sử dụng AI do Giáo sư Rick Dakan (Ringling College of Art and Design) và Giáo sư Joseph Feller (University College Cork) phát triển. Phát hành theo giấy phép CC BY-NC-SA 4.0.

🔁 Bài học liên quan

📚 Nguồn & ghi nhận

Bài học có hữu ích không?

Góp ý / Báo lỗiPhát hiện sai sót hoặc có ý tưởng cải thiện?