Mô hình suy luận là loại mô hình ngôn ngữ được huấn luyện để tự viết ra một chuỗi bước trung gian trước khi đưa câu trả lời cuối cùng. Chuỗi bước đó thường được gọi là chuỗi suy nghĩ (chain of thought). Khi bạn thấy chatbot hiện dòng "đang suy nghĩ" vài giây, thậm chí vài phút, rồi mới trả lời, đó thường là lúc mô hình đang sinh ra chuỗi này.
Cách làm này giúp mô hình làm tốt hơn hẳn ở các bài toán nhiều bước như toán, lập trình, lập kế hoạch, nhưng đổi lại chậm hơn và tốn hơn. Chữ "suy nghĩ" ở đây là cách nói ẩn dụ; mô hình vẫn đang làm đúng một việc như mọi mô hình ngôn ngữ khác là đoán chữ tiếp theo. Bài này giải thích vì sao viết ra các bước lại giúp được, mô hình được dạy làm việc đó thế nào, và những điều còn đang tranh luận.
Vì sao viết ra các bước lại giúp AI làm đúng hơn
Thử nhẩm phép tính 47 nhân 38 mà không được viết ra giấy. Phần lớn người sẽ phải giữ nhiều con số trung gian trong đầu và dễ quên một bước. Cho thêm tờ giấy nháp, bạn viết 47 nhân 8, rồi 47 nhân 30, rồi cộng lại, và sai ít hẳn. Tờ nháp không làm bạn thông minh hơn; nó cho bạn chỗ để đặt các kết quả tạm.
Mô hình ngôn ngữ gặp đúng chuyện đó, ở dạng rõ hơn. Mỗi lần sinh một chữ, mô hình chỉ thực hiện một lượng tính toán gần như cố định. Nếu buộc phải trả lời ngay một câu hỏi khó trong vài chữ, toàn bộ việc tính toán phải dồn vào số bước ít ỏi đó. Khi được phép viết ra các bước trung gian, mỗi chữ trong chuỗi nháp lại được đưa ngược vào làm đầu vào cho bước tiếp theo, và mô hình có thêm rất nhiều lượt tính. Chuỗi suy nghĩ đóng vai tờ giấy nháp, đồng thời là cách để mô hình dùng thêm sức tính.
Hiện tượng này được ghi nhận rõ vào năm 2022. Một nhóm nghiên cứu ở Google công bố rằng chỉ cần đưa vài ví dụ có lời giải từng bước vào câu hỏi, các mô hình lớn giải toán đố tốt hơn đáng kể. Cùng năm, một nhóm khác cho thấy thêm một câu đơn giản kiểu "hãy suy nghĩ từng bước" cũng tạo ra hiệu ứng tương tự. Từ đó, cách hỏi này trở thành một mẹo phổ biến.
Điều đáng chú ý là hiệu ứng mạnh nhất ở các mô hình lớn và ở các bài có cấu trúc nhiều bước. Với câu hỏi tra cứu một sự kiện, như ngày thành lập một tổ chức, viết thêm các bước không giúp được bao nhiêu, vì cái thiếu là thông tin chứ không phải khâu tính.
Mô hình được dạy suy luận như thế nào
Mẹo "hãy suy nghĩ từng bước" chỉ là cách hỏi. Bước tiến lớn hơn đến khi các phòng nghiên cứu huấn luyện riêng để mô hình tự biết nháp, nháp dài và nháp có ích. Ở mức nguyên lý, cách làm phổ biến dựa trên học tăng cường: cho mô hình giải rất nhiều bài có đáp án kiểm tra được, như bài toán có kết quả rõ ràng hay đoạn mã có bộ kiểm thử. Lời giải nào dẫn tới đáp án đúng thì cách nháp đó được củng cố, lời giải sai thì bị giảm đi.
Qua rất nhiều vòng như vậy, mô hình hình thành những thói quen nháp hữu ích mà không ai dạy trực tiếp: chia bài toán thành phần nhỏ, thử một hướng rồi quay lại khi thấy vô lý, tự kiểm lại một phép tính. Các nhà nghiên cứu mô tả có lúc mô hình tự viết những câu kiểu "khoan, chỗ này có vẻ sai" rồi sửa.
Những mô hình suy luận đầu tiên được giới thiệu rộng rãi cho công chúng vào nửa cuối năm 2024. Đầu năm 2025, một số nhóm công bố công khai cách huấn luyện và cả trọng số mô hình suy luận, giúp giới nghiên cứu hiểu rõ hơn phương pháp này. Từ đó, nhiều hãng thêm chế độ suy nghĩ vào sản phẩm của mình, đôi khi cho người dùng tự chọn nghĩ ít hay nghĩ nhiều.
Giới kỹ thuật gọi xu hướng này là tăng tính toán lúc trả lời: thay vì chỉ làm mô hình to hơn trong lúc huấn luyện, người ta cho mô hình tốn thêm sức tính vào đúng lúc nó đang giải bài của bạn. Hai hướng này bổ sung cho nhau chứ không loại trừ nhau. Tên gọi cụ thể và cách bật tắt chế độ suy nghĩ khác nhau giữa các sản phẩm và thay đổi khá nhanh, nên hãy kiểm phiên bản hiện hành của công cụ bạn dùng.
Việc nào được lợi từ mô hình suy luận, việc nào không
Bảng sau mô tả xu hướng chung để bạn hình dung, không phải quy luật tuyệt đối; kết quả thật tuỳ mô hình và tuỳ câu hỏi.
| Loại việc | Mô hình suy luận | Vì sao |
|---|---|---|
| Toán đố, tính toán nhiều bước | thường được lợi rõ | cần giữ kết quả trung gian và tự kiểm |
| Viết và sửa mã máy tính | thường được lợi | nhiều điều kiện phải thoả cùng lúc, có thể tự rà lỗi |
| Lập kế hoạch có ràng buộc (lịch, ngân sách giả định) | thường được lợi | phải cân nhiều điều kiện, thử rồi loại phương án |
| Phân tích văn bản dài tìm mâu thuẫn | có thể được lợi | cần đối chiếu nhiều chỗ với nhau |
| Hỏi một sự kiện, một định nghĩa | ít được lợi | cái thiếu là thông tin, không phải bước tính |
| Viết lời chúc, đổi giọng văn, dịch câu ngắn | ít được lợi, có khi chậm vô ích | việc dựa vào cảm giác ngôn ngữ hơn là lập luận |
| Trò chuyện thường ngày | thường không cần | nghĩ lâu làm cuộc trò chuyện chậm mà không hay hơn |
Nguyên tắc chung: nếu bản thân bạn cũng cần giấy nháp để giải việc đó, mô hình suy luận có khả năng giúp; nếu bạn trả lời được ngay theo trực giác, chế độ thường là đủ.
Phần "suy nghĩ" hiện ra có đúng là điều mô hình nghĩ không
Đây là câu hỏi còn mở. Chuỗi suy nghĩ là chữ do mô hình sinh ra, và việc nó phản ánh đúng quá trình tính toán bên trong tới đâu đang được nghiên cứu. Một số nghiên cứu công bố trong năm 2025 cho thấy mô hình có lúc dùng một gợi ý có sẵn trong câu hỏi để ra đáp án mà không nhắc tới gợi ý đó trong phần suy nghĩ. Nói cách khác, chuỗi suy nghĩ có ích để theo dõi, nhưng không phải bản ghi trung thực tuyệt đối.
Nhiều sản phẩm chỉ cho xem bản tóm tắt. Một số hãng không hiển thị nguyên văn chuỗi nháp mà chỉ hiện bản tóm tắt do một mô hình khác viết lại. Điều bạn đọc được vì thế cách quá trình thật thêm một lớp nữa.
Lập luận trôi chảy không đồng nghĩa lập luận đúng. Một chuỗi bước mạch lạc tạo cảm giác tin cậy. Nhưng mô hình có thể đi một chuỗi bước hợp lý từ một tiền đề sai, hoặc nhảy cóc ở đúng bước quan trọng. Đọc phần suy nghĩ để tìm chỗ sai là việc tốt; đọc để tự trấn an thì không.
"Suy nghĩ" là ẩn dụ. Việc mô hình có thật sự hiểu hay suy nghĩ theo nghĩa của con người hay không là câu hỏi triết học và khoa học chưa có lời đáp chung. Gọi là suy nghĩ cho tiện, nhưng đừng từ đó suy ra mô hình có ý định hay nhận thức.
Cái giá và giới hạn của mô hình suy luận
Mô hình suy luận không phải là bản nâng cấp nên dùng cho mọi việc. Nó có những đánh đổi rõ ràng:
- Chậm hơn. Chuỗi nháp có thể dài hàng nghìn chữ, bạn phải chờ mô hình viết xong mới nhận được câu trả lời.
- Tốn hơn. Mỗi chữ nháp đều cần tính toán như chữ trả lời. Với dịch vụ tính phí theo lượng chữ, phần nháp thường cũng được tính, kể cả khi bạn không nhìn thấy nó.
- Có khi nghĩ quá đà. Với câu hỏi đơn giản, mô hình có thể vòng vo, tự nghi ngờ đáp án đúng rồi đổi sang đáp án sai.
- Vẫn bịa được. Suy luận nhiều không thay thế được thông tin đúng. Nếu mô hình không biết một sự kiện, chuỗi suy nghĩ dài chỉ làm câu trả lời sai trông chắc chắn hơn.
- Mạnh nhất ở bài có đáp án kiểm được. Vì được huấn luyện nhiều trên toán và lập trình, mức cải thiện ở các lĩnh vực mơ hồ như đánh giá đạo đức, dự đoán thị trường hay lời khuyên đời sống kém rõ ràng hơn.
Vì thế, cách dùng hợp lý là bật chế độ suy nghĩ cho việc nhiều bước và có thể kiểm, còn với việc cần nhanh hoặc dựa vào cảm giác ngôn ngữ thì dùng chế độ thường. Kết quả quan trọng vẫn cần bạn tự kiểm như với mọi câu trả lời của AI.
Đừng lẫn hai nghĩa của chữ "suy luận" trong tài liệu AI
Tiếng Việt đang dùng chữ suy luận cho hai thuật ngữ tiếng Anh khác hẳn nhau, và điều này gây nhầm lẫn thật. Reasoning là khả năng lập luận nhiều bước, chủ đề của bài này. Inference là khâu chạy một mô hình đã huấn luyện xong để nó cho ra kết quả, đối lập với khâu huấn luyện. Mọi mô hình AI, kể cả mô hình nhận dạng khuôn mặt không lập luận gì, đều có khâu inference.
Khi đọc tin "chi phí suy luận giảm mạnh" hay "chip chuyên cho suy luận", gần như chắc chắn người viết đang nói về inference, tức chi phí và phần cứng để chạy mô hình phục vụ người dùng. Còn khi đọc "mô hình suy luận mới giải được bài toán olympic", người viết nói về reasoning. Có những câu dùng cả hai nghĩa cùng lúc, chẳng hạn "mô hình suy luận làm tăng chi phí suy luận", và câu đó hoàn toàn có nghĩa: mô hình lập luận dài thì tốn nhiều sức tính hơn mỗi lần chạy.
Một số người viết dùng "lập luận" cho reasoning và "chạy mô hình" hay để nguyên "inference" để tránh lẫn. Khi đọc tài liệu, nếu thấy chữ suy luận, bạn hỏi lại: đang nói về khả năng nghĩ nhiều bước, hay về việc chạy mô hình? Câu hỏi nhỏ này giúp bạn đọc đúng rất nhiều bài báo về AI. Khâu inference được giải thích kỹ trong một bài riêng cùng danh mục thuật ngữ này.
Câu hỏi thường gặp
Mô hình suy luận có thông minh hơn mô hình thường không?
Ở các bài nhiều bước có đáp án rõ ràng như toán và lập trình, kết quả thường tốt hơn rõ. Ở việc viết lách, trò chuyện hay hỏi sự kiện thì chênh lệch nhỏ hoặc không có. Nói chính xác hơn, mô hình suy luận dùng thêm sức tính đúng chỗ, không phải thông minh hơn ở mọi mặt.
Có nên luôn bật chế độ suy nghĩ khi dùng chatbot không?
Không cần. Chế độ suy nghĩ chậm hơn và với dịch vụ trả phí có thể tốn hơn. Hợp lý là bật khi việc cần nhiều bước và kiểm được, như tính toán, xếp lịch, rà mã. Việc đơn giản dùng chế độ thường cho nhanh.
Viết "hãy suy nghĩ từng bước" vào câu hỏi còn tác dụng không?
Với mô hình đã được huấn luyện để tự suy luận, câu này thường không thêm được bao nhiêu vì mô hình đã tự làm. Với mô hình thường, nó vẫn có thể giúp ở bài nhiều bước. Tác dụng khác nhau giữa các mô hình, nên thử trên chính việc của bạn.
Đọc phần suy nghĩ của AI có giúp phát hiện sai không?
Có ích, vì bạn thấy được giả định và các bước mô hình đã đi. Nhưng phần suy nghĩ không chắc phản ánh đúng quá trình bên trong, và nhiều sản phẩm chỉ hiển thị bản tóm tắt. Hãy dùng nó như gợi ý để kiểm, còn kiểm thật thì đối chiếu kết quả với nguồn hoặc tự tính lại.
Mô hình suy luận có tự ý thức được nó đang nghĩ không?
Không có bằng chứng nào cho thấy điều đó. Chuỗi suy nghĩ là chữ được sinh ra theo cùng cơ chế đoán chữ tiếp theo. Câu hỏi máy có ý thức hay không vẫn đang được tranh luận, nhưng việc mô hình viết "để xem nào" không phải bằng chứng cho ý thức.
Vì sao mô hình suy luận vẫn trả lời sai những câu rất dễ?
Mô hình có thể nghĩ quá đà, tự nghi ngờ đáp án đúng, hoặc mắc kẹt ở cách tách chữ khiến việc đếm ký tự hay so sánh số thập phân trở nên khó với nó. Lập luận dài không bù được cho những điểm yếu nằm ở cách mô hình nhìn chữ.