Nhiều người dùng đưa cho AI 1 mớ tài liệu PDF vài trăm trang, đặt 1 câu hỏi và hi vọng nó tìm ra câu trả lời trong sách. Trừ khi gặp "phép lạ" nhờ may mắn, khả năng cao là AI làm không được, rồi bị User chửi "AI ngu thế".
-
Vấn đề 1: Định dạng PDF dùng trong in ấn, chứa rất nhiều thông tin nhiễu loạn (Font chữ, dòng, cột hình ảnh) AI khó có thể tìm được ra nội dung cần thiết trong mớ nhiễu loạn đó. Để kiểm chứng xem AI có đọc được nội dung cuốn sách không: Hãy copy dán 1 đoạn trong sách, hỏi nó câu tiếp theo là gì?
-
Vấn đề 2: Không đủ thông tin đầu vào:
- Câu hỏi của người dùng thường ngắn gọn chứa đựng logic hàm ý, nhưng lại thiếu "từ khoá" (keywords).
- Người dùng thiếu kiến thức không có khả năng đặt được câu hỏi đúng, cũng không biết có từ khoá nào liên quan, chỉ biết "đại khái" thứ mình đang hỏi đâu đó trong cuốn sách này thôi.
- Trong khi AI lại rất cần các "từ khoá" này để khoanh vùng các nội dung "có vẻ liên quan" trong sách. Sau đó mới đem những nội dung đó ra tìm cách trả lời.
Để giải quyết vấn đề 1, hãy đưa Markdown cho AI thay vì DOCX hay PDF. Đây là 1 số công cụ chuyển đổi từ PDF, DOCX.. sang Markdown
-
https://github.com/microsoft/markitdown
markitdown 1.pdf -o 1.md
-
https://developers.llamaindex.ai/liteparse/
lit parse 1.pdf --format markdown -o 1-lit.md
- Đặt câu hỏi để AI trả lời hoặc bịa ra câu trả lời (có thể bảo AI đừng tra cứu kiến thức trong sách, cứ trả lời bừa đi theo những gì nó biết).
- Kiểm tra xem câu trả lời bám sát với câu hỏi và chứa nhiều "từ khoá" không? Đừng quan trọng câu trả lời đó đúng hay sai, miễn nó chứa nhiều "từ khoá" liên quan đến vấn đề mình cần hỏi là ổn.
- Bảo AI tìm kiếm các khu vực liên quan tới chủ đề đó trong sách. Nhờ có phần "khai triển" ở bước trước bây giờ AI đã có tương đối nhiều thông tin để khoanh vùng kiến thức trong sách.
- Tra lại sách để xem AI đã khoanh vùng đúng chưa? nếu không thì giúp đỡ nó 1 tay, trong quá trình đó người dùng cũng sẽ có thêm cơ hội để chỉnh sửa câu hỏi của mình cho chuẩn hơn. Thu thập được đủ kiến thức đủ để đặt được 1 câu hỏi tử tế, hoặc mô tả được nhu cầu của mình 1 cách chuyên nghiệp khớp với các thuật ngữ dùng trong sách.
- Lúc này cả AI và Người dùng đã hiểu nhau, AI đã định vị được các phần liên quan trong sách, User cũng mô tả được điều họ muốn 1 cách chuẩn xác. AI đã có đủ context để đưa ra 1 câu trả lời chất lượng.
- Gõ "/learn" rồi đặt câu hỏi, do hiệu ứng của skill "/learn" Claude sẽ không trả lời ngay mà cố gắng "gia sư" để bạn tự tìm ra câu trả lời. Trong quá trình "gia sư" đó, dù có nói nhăng nói cuội thế nào ta cũng sẽ thu thập được nhiều từ khoá liên quan đến chủ đề trong cửa sổ chat.
- Khi đã thu thập đủ từ khoá, Yêu cầu ngừng việc "learn" và tìm kiếm câu trả lời trong sách + trích dẫn nguồn.
Khi người dùng đặt câu hỏi, AI phiên dịch ra "vector" dữ liệu và tìm trong sách các "vector" gần giống nhất để sinh ra câu trả lời. Nhưng vector dữ liệu người dùng cung cấp quá nhỏ, khó mà tìm ra được cái gì "gần giống"
Việc để cho AI bịa ra câu trả lời (Hypothetical) là để làm phình to vector đầu vào, AI sẽ tìm ra được những đoạn gần giống dễ dàng hơn trong sách.. Rồi dựa vào đó để suy luận ra câu trả lời.
Khi chất lượng đầu vào quá kém, người dùng chả hiểu mô tê gì, hỏi "2 Km vuông có lớn hơn 2 Km/h không?" rồi bảo AI tìm câu trả lời trong sách "Địa lý"... có HyDE thì AI cũng vẫn sẽ "bịa" ra và bị bạn chửi là "ngu" thôi.
Quan trọng nhất vẫn là bản thân phải tự học kiến thức ít ra phải đủ năng lực để có thể đặt ra được 1 câu hỏi tử tế, và cung cấp được cho AI context cần thiết.