Chưng cất mô hình là gì? Các mô hình AI lớn dạy các mô hình nhỏ hơn như thế nào

Chưng cất mô hình chuyển hành vi từ một mô hình giáo viên lớn hơn hoặc có năng lực cao hơn sang một mô hình học viên nhỏ hơn, bằng cách sử dụng đầu ra, tín hiệu nội bộ hoặc các mục tiêu xác suất đã được làm mềm của mô hình giáo viên.

Chưng cất mô hình cần được giải thích chính xác, vì tên gọi này chỉ ra một luồng thông tin, lựa chọn huấn luyện, cơ chế khi vận hành hoặc ranh giới quản trị cụ thể. Coi thuật ngữ này như từ đồng nghĩa với “AI tiên tiến” khiến các tuyên bố không thể kiểm chứng. Hướng dẫn này theo sát khái niệm từ đầu vào và các giả định, đến kết quả có thể quan sát được, rồi kiểm tra cách hiểu tắt dễ bị nhầm lẫn nhất với nó.

Chưng cất mô hình: Định nghĩa, ranh giới và mục đích

Chưng cất mô hình chuyển hành vi từ một mô hình giáo viên lớn hơn hoặc có năng lực cao hơn sang một mô hình học viên nhỏ hơn, bằng cách sử dụng đầu ra, tín hiệu nội bộ hoặc các mục tiêu xác suất đã được làm mềm của mô hình giáo viên. Định nghĩa này bao hàm ba cam kết thực tiễn: có một đầu vào xác định được, một phép biến đổi hoặc quyết định đặc trưng cho chưng cất mô hình, và một kết quả có thể được đánh giá theo mục tiêu đã nêu. Nếu thiếu một trong các yếu tố đó, thuật ngữ này có thể chỉ một mong muốn chứ không phải một cơ chế đã được triển khai.

Các hệ thống AI hiện đại xây dựng những lớp trừu tượng chồng lên nhau: biểu diễn làm nền tảng cho kiến trúc, tiền huấn luyện tạo ra năng lực có thể tái sử dụng, quá trình thích ứng làm thay đổi hành vi, còn các biện pháp tối ưu hóa khi triển khai quyết định điều gì khả thi trong thực tế. Với chưng cất mô hình, góc nhìn hệ thống này rất quan trọng, vì hiệu suất có thể do dữ liệu, giao diện, phần cứng, quyền hạn và con người xung quanh quyết định, ngay cả khi mô hình nền tảng không thay đổi. Vì vậy, một lời giải thích hữu ích cần phân biệt hành vi mà mô hình đã học với sản phẩm quyết định khi nào, ở đâu và với thẩm quyền nào hành vi đó được sử dụng.

Cách hiểu tắt dễ gây nhầm lẫn nhất là nén đơn thuần bằng cách loại bỏ tham số mà không dạy mô hình nhỏ hơn. Cách này có thể có một đặc điểm bề ngoài giống với chưng cất mô hình, nhưng lại làm thay đổi mối quan hệ nhân quả: cần loại bằng chứng khác để xác nhận thành công, nguồn lực khác sẽ chi phối chi phí, và biện pháp kiểm soát khác sẽ giúp ngăn ngừa tác hại. Vì vậy, ranh giới ở đây mang tính vận hành chứ không phải thuật ngữ.

Bản đồ vận hành chưng cất mô hình qua năm giai đoạn

Sơ đồ là bản đồ nhân quả cô đọng về chưng cất mô hình, chứ không khẳng định mọi cách triển khai đều sử dụng năm thành phần phần mềm. Một số hệ thống gộp các giai đoạn, còn những hệ thống khác lặp lại chúng theo vòng lặp. Bản đồ này vẫn hữu ích vì buộc mỗi thay đổi về thông tin hoặc thẩm quyền phải có người chịu trách nhiệm, đầu vào, đầu ra và phép kiểm tra.

1. Chọn mô hình giáo viên và khối lượng công việc mục tiêu: Đầu vào và giả định trong chưng cất mô hình

Ở giai đoạn này của chưng cất mô hình, hệ thống phải chọn mô hình giáo viên và khối lượng công việc mục tiêu. Câu hỏi hữu ích không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với việc nén đơn thuần bằng cách loại bỏ tham số mà không dạy mô hình nhỏ hơn, đồng thời tái tạo được kết quả trong cùng các điều kiện đã nêu.

Quá trình bàn giao ở giai đoạn này của chưng cất mô hình bắt đầu từ mục tiêu đã nêu và nên kết thúc bằng một kết quả có thể hỗ trợ việc tạo hoặc thu thập dữ liệu giám sát từ mô hình giáo viên. Hãy ghi lại mức độ bất định, các phương án bị bác bỏ, việc sử dụng nguồn lực và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại ranh giới này. Dấu vết đó giúp các nhóm phát hiện liệu mô hình học viên có thể kế thừa lỗi của mô hình giáo viên trong khi đánh mất những năng lực hiếm gặp hay không, trước khi cùng điểm yếu ấy dẫn đến một đầu ra có hệ quả đáng kể.

2. Tạo hoặc thu thập dữ liệu giám sát từ mô hình giáo viên: Biểu diễn hoặc quyết định trong chưng cất mô hình

Ở giai đoạn này của chưng cất mô hình, hệ thống phải tạo hoặc thu thập dữ liệu giám sát từ mô hình giáo viên. Câu hỏi hữu ích không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào chứng minh thay đổi đó hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với việc nén đơn thuần bằng cách loại bỏ tham số mà không dạy mô hình nhỏ hơn, đồng thời tái tạo được kết quả trong cùng các điều kiện đã nêu.

Quá trình chuyển giao sang giai đoạn chưng cất mô hình này bắt đầu bằng việc chọn mô hình giáo viên và khối lượng công việc mục tiêu, và nên kết thúc bằng một kết quả có thể làm cơ sở để huấn luyện mô hình học sinh nhỏ hơn bắt chước những hành vi hữu ích. Hãy ghi lại những điểm chưa chắc chắn, các phương án bị loại bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại ranh giới này. Dấu vết đó giúp các nhóm phát hiện liệu mô hình học sinh có thể kế thừa lỗi của mô hình giáo viên đồng thời đánh mất những năng lực hiếm gặp hay không, trước khi cùng điểm yếu ấy dẫn đến một đầu ra gây hậu quả đáng kể.

3. Huấn luyện mô hình học sinh nhỏ hơn để bắt chước những hành vi hữu ích: bước biến đổi đặc trưng trong chưng cất mô hình

Ở giai đoạn chưng cất mô hình này, hệ thống phải huấn luyện mô hình học sinh nhỏ hơn để bắt chước những hành vi hữu ích. Câu hỏi cần đặt ra không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào cho thấy sự thay đổi đó hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với việc chỉ nén mô hình bằng cách loại bỏ tham số mà không huấn luyện mô hình nhỏ hơn, đồng thời tái tạo được kết quả trong cùng những điều kiện đã nêu.

Quá trình chuyển giao sang giai đoạn chưng cất mô hình này bắt đầu bằng việc tạo ra hoặc thu thập tín hiệu giám sát từ mô hình giáo viên, và nên kết thúc bằng một kết quả có thể làm cơ sở để kiểm tra những kiến thức và mức độ hiệu chỉnh nào đã bị mất. Hãy ghi lại những điểm chưa chắc chắn, các phương án bị loại bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại ranh giới này. Dấu vết đó giúp các nhóm phát hiện liệu mô hình học sinh có thể kế thừa lỗi của mô hình giáo viên đồng thời đánh mất những năng lực hiếm gặp hay không, trước khi cùng điểm yếu ấy dẫn đến một đầu ra gây hậu quả đáng kể.

4. Kiểm tra kiến thức và mức độ hiệu chỉnh đã mất: ranh giới ràng buộc và xác minh trong chưng cất mô hình

Ở giai đoạn chưng cất mô hình này, hệ thống phải kiểm tra những kiến thức và mức độ hiệu chỉnh đã bị mất. Câu hỏi cần đặt ra không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào cho thấy sự thay đổi đó hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với việc chỉ nén mô hình bằng cách loại bỏ tham số mà không huấn luyện mô hình nhỏ hơn, đồng thời tái tạo được kết quả trong cùng những điều kiện đã nêu.

Quá trình chuyển giao sang giai đoạn chưng cất mô hình này bắt đầu bằng việc huấn luyện mô hình học sinh nhỏ hơn để bắt chước những hành vi hữu ích, và nên kết thúc bằng một kết quả có thể làm cơ sở để tiếp tục điều chỉnh dữ liệu và mục tiêu. Hãy ghi lại những điểm chưa chắc chắn, các phương án bị loại bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại ranh giới này. Dấu vết đó giúp các nhóm phát hiện liệu mô hình học sinh có thể kế thừa lỗi của mô hình giáo viên đồng thời đánh mất những năng lực hiếm gặp hay không, trước khi cùng điểm yếu ấy dẫn đến một đầu ra gây hậu quả đáng kể.

5. Tiếp tục điều chỉnh dữ liệu và mục tiêu: đầu ra, phản hồi và quy tắc dừng trong chưng cất mô hình

Ở giai đoạn chưng cất mô hình này, hệ thống phải liên tục điều chỉnh dữ liệu và mục tiêu. Câu hỏi cần đặt ra không chỉ là thao tác đó có diễn ra hay không, mà còn là nó sử dụng thông tin nào, làm thay đổi trạng thái nào và bằng chứng nào cho thấy sự thay đổi đó hợp lệ. Người đánh giá cần có khả năng phân biệt thao tác này với việc chỉ nén mô hình bằng cách loại bỏ tham số mà không huấn luyện mô hình nhỏ hơn, đồng thời tái tạo được kết quả trong cùng những điều kiện đã nêu.

Quá trình chuyển giao sang giai đoạn chưng cất mô hình này bắt đầu bằng việc kiểm tra những kiến thức và mức độ hiệu chỉnh đã mất, và nên kết thúc bằng một kết quả có thể làm cơ sở cho hoạt động giám sát hoặc quyết định cuối cùng. Hãy ghi lại những điểm chưa chắc chắn, các phương án bị loại bỏ, mức sử dụng tài nguyên và mọi biện pháp kiểm soát do con người hoặc phần mềm áp dụng tại ranh giới này. Dấu vết đó giúp các nhóm phát hiện liệu mô hình học sinh có thể kế thừa lỗi của mô hình giáo viên đồng thời đánh mất những năng lực hiếm gặp hay không, trước khi cùng điểm yếu ấy dẫn đến một đầu ra gây hậu quả đáng kể.

Hãy đọc sơ đồ chưng cất mô hình theo chiều xuôi để hiểu quy trình đưa vào sản xuất và theo chiều ngược để chẩn đoán lỗi. Phân tích theo chiều xuôi xem xét cách mỗi giai đoạn cung cấp đầu vào cho giai đoạn tiếp theo. Phân tích ngược bắt đầu từ một kết quả sai, chậm, tốn kém hoặc không an toàn rồi lần theo giả định trước đó đã dẫn đến kết quả ấy. Thường chính khi lần ngược quy trình, nhóm mới phát hiện lỗi quyết định đã xảy ra trước khi mô hình tạo ra bất kỳ đầu ra nào.

Ví dụ thực tế về chưng cất mô hình

Một mô hình chăm sóc khách hàng nhỏ gọn có thể học từ các bản minh họa của một mô hình giáo viên tiên tiến hàng đầu và hoạt động với độ trễ thấp hơn.

Ví dụ này hữu ích vì có thể gắn việc chưng cất mô hình với các đầu vào, trạng thái trung gian và kết quả quan sát được, thay vì đánh giá phương pháp này qua một màn trình diễn được trau chuốt. Một phép thử chặt chẽ cần xây dựng các trường hợp thông thường, khó và cố ý gây hiểu lầm xoay quanh tình huống đó, giữ lại một đường cơ sở không sử dụng kỹ thuật này, đồng thời ghi nhận cả hiệu suất trung bình lẫn mức độ nghiêm trọng của từng lỗi riêng lẻ.

Hãy thay đổi một giả định trong ví dụ chưng cất mô hình rồi lặp lại phân tích. Loại bỏ một đầu vào bắt buộc, đưa vào một tín hiệu mâu thuẫn, giới hạn năng lực tính toán, thay đổi nhóm người dùng hoặc buộc hệ thống từ chối đưa ra câu trả lời. Một cơ chế chỉ thành công trong một màn trình diễn được sắp đặt cẩn thận chưa chứng minh được rằng nó có thể khái quát hóa sang môi trường vận hành.

Chưng cất mô hình và lối tắt phổ biến nhất

Chưng cất mô hình thường bị đánh đồng với việc nén đơn giản, tức là loại bỏ tham số mà không huấn luyện mô hình nhỏ hơn. Cách giản lược này xóa nhòa chính ranh giới làm nên khái niệm. Điều đó có thể khiến người mua so sánh những sản phẩm không tương đồng, khiến nhà nghiên cứu phóng đại ý nghĩa của kết quả thí nghiệm và khiến người vận hành theo dõi sai tín hiệu sau khi triển khai.

Phép so sánh cũng cần xác định đơn vị được phân tích. Một bài báo về chưng cất mô hình có thể chỉ khảo sát một mô hình hoặc thuật toán, trong khi một dịch vụ đã triển khai còn bao gồm truy xuất, định tuyến, lưu bộ nhớ đệm, chính sách, danh tính, giao diện người dùng và giám sát. Hai sản phẩm có thể cùng dùng một thuật ngữ nổi bật nhưng lại triển khai những phần khác nhau trong hệ thống đó. Hãy xác định thành phần nào thực hiện phép biến đổi cốt lõi và những thành phần nào khác cần thiết để đạt được kết quả được báo cáo.

Vì sao chưng cất mô hình quan trọng trong các hệ thống AI hiện nay

Chưng cất mô hình hiện có ý nghĩa quan trọng vì các hệ thống AI đang được cung cấp ngữ cảnh dài hơn, nhiều phương thức hơn, năng lực tính toán trong quá trình chạy lớn hơn, quyền truy cập công cụ rộng hơn và khả năng kết nối sâu hơn với các quyết định của tổ chức. Trong những điều kiện đó, điều từng có vẻ chỉ là chi tiết nghiên cứu có thể quyết định độ trễ, bảo mật, khả năng tiếp cận, chi phí môi trường, chất lượng sản phẩm hoặc trách nhiệm pháp lý.

Thước đo phù hợp không phải là liệu chưng cất mô hình có thể tạo ra một kết quả ấn tượng hay không. Điều quan trọng là kỹ thuật này có cải thiện một kết quả đáng quan tâm trong các điều kiện đại diện hay không, và có làm được điều đó hiệu quả hơn một phương pháp cơ sở đơn giản hơn hay không. Hãy báo cáo các phân bố, nhóm lỗi, độ trễ ở các phân vị đuôi, mức sử dụng tài nguyên và các nhóm chịu ảnh hưởng, thay vì gộp mọi kết quả thành một giá trị trung bình.

Lựa chọn kỹ thuật phù hợp phụ thuộc vào khối lượng công việc và phần cứng. Hãy so sánh với một phương pháp cơ sở đơn giản, đo lường chất lượng trên các lát cắt đại diện, đồng thời theo dõi bộ nhớ, độ trễ, chi phí và khả năng bảo trì bên cạnh độ chính xác trên các bộ chuẩn đánh giá. Khi áp dụng riêng cho chưng cất mô hình, cách làm này giúp bằng chứng có thể được áp dụng rộng rãi: một nhóm khác có thể đánh giá liệu mức cải thiện được tuyên bố có khả năng duy trì khi thay đổi mô hình, ngôn ngữ, nền tảng phần cứng, tập dữ liệu, nhóm người dùng hoặc mức độ chấp nhận rủi ro hay không.

Những lợi ích chưng cất mô hình có thể mang lại

Lý do thuyết phục nhất để sử dụng chưng cất mô hình là kỹ thuật này có thể trực tiếp giải quyết nút thắt mà nó nhắm đến. Tùy cách triển khai, lợi ích có thể thể hiện ở khả năng bám sát dữ liệu nền tốt hơn, biểu diễn trung thực hơn, khả năng khái quát hóa được cải thiện, độ trễ thấp hơn, lượng dữ liệu phải di chuyển trong bộ nhớ giảm, trách nhiệm giải trình rõ ràng hơn hoặc ranh giới an toàn hơn giữa đề xuất của mô hình và hành động thực tế.

Lợi ích cần được diễn đạt bằng các quyết định và phép đo. “Thông minh hơn” không phải là tiêu chí nghiệm thu cho chưng cất mô hình. Một mục tiêu hữu ích có thể quy định tỷ lệ lỗi trong các trường hợp khó, khả năng khắc phục sau khi gặp bằng chứng mâu thuẫn, chi phí tại một phân vị lưu lượng, thời gian con người cần để rà soát, mức độ hiệu chỉnh hoặc tỷ lệ hành động nằm trong giới hạn thẩm quyền đã xác định.

Chế độ lỗi định hình chưng cất mô hình

Hạn chế cốt yếu là mô hình học sinh có thể kế thừa lỗi của mô hình giáo viên nhưng mất đi những năng lực hiếm có. Không thể xem lỗi này là điều chỉ cần nhắc đến sau khi hoàn tất quá trình phát triển. Ngay từ đầu, lỗi đó cần định hướng việc thu thập dữ liệu, thiết kế kiến trúc, phân quyền, đánh giá, các điều kiện phê duyệt phát hành và hoạt động giám sát đối với chưng cất mô hình.

Biện pháp kiểm soát chưng cất mô hình chỉ hữu ích nếu được áp dụng trước khi xảy ra một hệ quả tốn kém hoặc không thể đảo ngược. Hãy xác định dấu hiệu báo trước sớm nhất có thể quan sát được của sự cố, đặt ngưỡng hoặc quy tắc, giao trách nhiệm cụ thể cho một người phụ trách và kiểm tra khả năng khắc phục. Tùy trường hợp sử dụng, khắc phục có thể là từ chối đưa ra kết quả, chuyển sang một hệ thống đơn giản hơn, yêu cầu thêm bằng chứng, chuyển vấn đề lên người xử lý, quay lại phiên bản mô hình trước hoặc dừng hẳn một hành động.

Kế hoạch đánh giá chưng cất mô hình

Hãy bắt đầu đánh giá chưng cất mô hình bằng cách viết rõ quyết định mà bằng chứng cần hỗ trợ. Xác định nhóm người dùng và điều kiện vận hành, hệ quả của một kết quả sai, thông tin thực sự có sẵn tại thời điểm đưa ra quyết định và phương án thay thế đơn giản nhất nhưng vẫn đáng tin cậy. Cách này giúp tránh biến điểm chuẩn thành mục tiêu chỉ vì nó dễ triển khai.

Hãy sử dụng một tập kiểm thử chưa từng được dùng để so sánh có kiểm soát, sau đó xác thực chưng cất mô hình trong môi trường vận hành theo từng giai đoạn. Đánh giá ngoại tuyến giúp so sánh các biến thể; chế độ chạy bóng, triển khai canary, giới hạn tốc độ hoặc các bước phê duyệt cho thấy lưu lượng thực, vòng lặp phản hồi và con người làm thay đổi hành vi như thế nào. Giai đoạn triển khai cần có điều kiện dừng rõ ràng, thay vì mặc định rằng mọi cải thiện đều xứng đáng được triển khai rộng rãi.

Hãy quản lý phiên bản của các đầu vào cần thiết để tái tạo chưng cất mô hình: dữ liệu nguồn, bước tiền xử lý, bộ mã hóa từ hoặc bộ mã hóa, trọng số mô hình, cấu hình, câu lệnh hoặc chính sách, chỉ mục truy xuất, tập đánh giá, giả định về phần cứng và mã phục vụ mô hình, nếu có. Nếu không có thông tin về nguồn gốc và quá trình thay đổi, nhóm sẽ không thể biết kết quả thay đổi là do kỹ thuật, môi trường hay một chỉnh sửa ngoài ý muốn trong quy trình xử lý dữ liệu.

Cuối cùng, hãy tự hỏi phát hiện nào sẽ bác bỏ tuyên bố rằng chưng cất mô hình có ích. Nếu không có kết quả nào có thể khiến nhóm đảo ngược quyết định áp dụng, thì việc đánh giá chỉ là hoạt động tiếp thị. Các ngưỡng chấp nhận được xác định trước và một tập xác nhận được giữ nguyên sẽ biến quá trình này thành hoạt động thu thập bằng chứng.

Những câu hỏi cần đặt ra trước khi áp dụng chưng cất mô hình

• Mục tiêu: Chưng cất mô hình nhằm giải quyết nút thắt nào có thể đo lường được?
• Cơ chế: Giai đoạn nào trong năm giai đoạn có sự chuyển đổi đặc trưng?
• Đường cơ sở: Phương pháp này so sánh ra sao với cách nén đơn giản chỉ loại bỏ tham số mà không huấn luyện mô hình nhỏ hơn, hoặc với một phương án thay thế đơn giản hơn khác?
• Bằng chứng: Đã kiểm thử những trường hợp thông thường, khó, đối kháng và thuộc các nhóm nhỏ nào?
• Vận hành: Khi triển khai ở quy mô lớn, phát sinh những chi phí nào về độ trễ, bộ nhớ, năng lực tính toán, năng lượng, bảo trì và rà soát?
• Rủi ro: Nhóm sẽ phát hiện bằng cách nào nếu mô hình học sinh kế thừa lỗi của mô hình giáo viên nhưng lại mất đi những năng lực hiếm có?
• Khắc phục: Hệ thống có thể từ chối đưa ra kết quả, chuyển sang phương án dự phòng, quay lại phiên bản trước hoặc chuyển vấn đề lên cấp xử lý cao hơn trước khi gây hại không?

Nguồn chính để tìm hiểu về chưng cất mô hình

Những tài liệu có thẩm quyền để bắt đầu tìm hiểu các thành phần trong ngăn xếp AI liên quan đến chưng cất mô hình gồm Attention Is All You Need, bài nghiên cứu về LoRA và Tối ưu hóa ưu tiên trực tiếp. Hãy đọc các tài liệu này cùng với tài liệu hướng dẫn về chính xác mô hình, tập dữ liệu, phần cứng và khu vực pháp lý có liên quan. Nguồn tài liệu tổng quát có thể giải thích cơ chế, nhưng chỉ bằng chứng gắn với môi trường triển khai cụ thể mới xác định được một cách triển khai nhất định có phù hợp hay không.

Những điều cần ghi nhớ về chưng cất mô hình

Chưng cất mô hình là một cơ chế được xác định rõ, nằm trong một hệ thống kỹ thuật-xã hội rộng lớn hơn. Giá trị của phương pháp này đến từ việc cải thiện một kết quả cụ thể trong những điều kiện rõ ràng, chứ không phải từ chính tên gọi của nó. Sơ đồ năm giai đoạn làm rõ luồng thông tin, phần so sánh xác định những gì không phải là chưng cất mô hình, còn lộ trình kiểm soát cho thấy người vận hành có trách nhiệm có thể can thiệp ở đâu.

Nguyên tắc thực tiễn khi áp dụng chưng cất mô hình là xác định mục tiêu, so sánh với một đường cơ sở đáng tin cậy, kiểm thử sự cố quan trọng nhất và lưu giữ bằng chứng cần thiết để theo dõi các thay đổi. Khi đã có đủ những yếu tố này, chưng cất mô hình trở thành một lựa chọn về kỹ thuật và quản trị có thể được đánh giá. Nếu thiếu những yếu tố đó, đây vẫn chỉ là một cái tên đầy hứa hẹn gắn với một rủi ro vận hành chưa rõ.