Quy hoạch đô thị và câu chuyện "rút kinh nghiệm"
Đây là một vài suy nghĩ của mình sau khi đọc bài báo này: Thảm hại quá buýt nhanh ơi . Trong bài báo có đoạn cuối: "Cái gì cũng...

Đây là một vài suy nghĩ của mình sau khi đọc bài báo này: Thảm hại quá buýt nhanh ơi. Trong bài báo có đoạn cuối:
"Cái gì cũng thành bài học, cũng rút kinh nghiệm hết thì đến lúc chúng ta chẳng còn sức đóng thuế cho người khác rút kinh nghiệm mất thôi."
Nhưng tại sao rút kinh nghiệm nhiều lần rồi mà người ta vẫn hay làm sai?
Mình quan sát và nghe ngóng thì thấy nhiều người dù đã nhiều lần rút ra bài học kinh nghiệm, vẫn làm sai. Trong khi có người rút kinh nghiệm một lần thì lần sau làm rất tốt. Tại sao?
Hm...
Đây là một bức hình mình lấy trên Google về công nghệ nhận dạng khuôn mặt:

Bức ảnh bạn đang thấy có độ phân giải 1701 x 1020 pixels, tức 1701 x 1020 ô vuông nhỏ. Mỗi ô vuông này có chứa các giá trị màu sắc RGB, mỗi sắc RGB có giá trị từ 0-256, mỗi giá trị tương ứng với một sắc màu. RGB là viết tắt của Red, Green và Blue. Bằng cách phối các sắc màu của ba màu này lại với nhau, ta có tất cả các màu mà ta cần dùng. Chính xác hơn ta sẽ có 256*256*256=16777216 màu.
Màu đen bạn thấy trong hình có giá trị là (0,0,0). Màu xanh nước biển là (0,102,204).
Như vậy ta có thể tạo ra (1701x1020)^16777216 các bức hình khác nhau ở độ phân giải 1701 x 1020, và con số này lớn hơn số lượng các hạt có trong toàn vũ trụ.
Câu hỏi đặt ra là làm sao máy tính có thể nhận diện được bức hình trên là khuôn mặt người, còn bức hình dưới thì không phải? Tại sao trong hàng tỷ tỷ tỷ tỷ tỷ bức hình khác nhau có thể được tạo ra, máy tính biết được hình nào là mặt người?
Câu hỏi đặt ra là làm sao máy tính có thể nhận diện được bức hình trên là khuôn mặt người, còn bức hình dưới thì không phải? Tại sao trong hàng tỷ tỷ tỷ tỷ tỷ bức hình khác nhau có thể được tạo ra, máy tính biết được hình nào là mặt người?

Trong công nghệ Machine Learning, có phải các nhà khoa học cho máy tính học nhận diện khuôn mặt theo kiểu rút kinh nghiệm? Như là máy tính đưa ra một hình ảnh và hỏi đây có phải mặt người không, nhà khoa học có thể lắc đầu hoặc đồng ý. Và cứ thế cho đến khi máy tính nhớ hết tất cả các dạng mặt người sau khi đã loại trừ hết lỗi sai, hay còn gọi là rút kinh nghiệm từ lỗi sai. Liệu máy tính có học như thế?
Không, học như thế thì đến khi loài người diệt vong máy tính vẫn học chưa xong cho một độ phân giải (và chúng ta có hàng trăm độ phân giải cho ảnh!)
Máy tính sẽ được học một loạt các cách tư duy để hiểu thế nào là mặt người và, cộng với thực hành, nó dần trở nên khôn ngoan trong một thời gian rất ngắn. Giờ nó không chỉ nhận dạng được khuôn mặt mà còn nhận dạng được cả con người, biết được người đó đang cười hay khóc.
Trong đời sống, có nhiều người rút kinh nghiệm như cách đầu tiên. Họ biết làm vậy là sai, họ rút ra bài học, rồi lại làm tiếp, rồi lại sai. Đến khi họ làm đúng một chút, thì đã phạm phải hàng trăm lỗi sai rồi. Nhưng làm sao để làm đúng từ đầu? Họ không rõ. Họ cứ làm sai rồi mãi rút kinh nghiệm, rút ra bài học sâu sắc từ cái sai, nhưng sửa đổi chắp vá, sửa từ từ. Vì cứ rút ra bài học từ cái sai nhiều nên họ cũng tiến bộ, nhưng chậm. Và lỗi sai thì thường rất lớn, sửa rất tốn tiền và kém thời gian. Nhưng rồi cứ loay hoay vì không biết làm thế nào là đúng.
Ví dụ tiêu biểu là quy hoạch đô thị. Có thể nói 30 năm trước, các lãnh đạo đất nước không biết gì về quy hoạch đô thị, do đó làm sai rất nhiều. Người ta cứ quy hoạch sai rồi sửa, rồi làm đến đâu, học tập và sửa đến đó, nên giờ sau mấy chục năm muốn quy hoạch lại cũng không được vì đường sá đã làm rồi, dân đã ở mấy chục năm.
"Thực tế cho thấy, hiện nay khu đô thị Phú Mỹ Hưng ở Nam Sài Gòn tọa lạc ngay trên khu vực vùng trũng - nơi trước đây từng là những hồ tự nhiên chứa nước của thành phố. Thêm nữa, toàn bộ khu Nhà Bè, quận 7 - cửa thoát nước chính của Sài Gòn cũng đang bị đô thị hóa mạnh mẽ, mà hệ quả của nó là tình trạng san lấp kênh rạch vô tội vạ.Cụ thể, TP HCM có gần 700 tuyến sông, kênh rạch, trong đó nhiều tuyến là đường thoát nước quan trọng. Nhưng trong khoảng 14 năm (từ 1990 đến 2004) có chừng 47 kênh rạch lớn nhỏ với tổng diện tích hơn 16 ha đã hoàn toàn bị san lấp. Hai quận 8 và 6 đang trong tình trạng ngập nặng vì quá trình đô thị hóa ở Nam Sài Gòn.Đồng tình với quan điểm trên, nhiều đại biểu đã chỉ ra sai lầm trong quy hoạch của TP HCM. "Từ giai đoạn 1954-1975, các chuyên gia đã yêu cầu thành phố nên tập trung hướng phát triển về vùng cao là Đông - Đông Bắc, giới hạn phát triển về phía Nam - Nhà Bè - Cần Giờ vì vùng đất này yếu, trũng", ông Bạch Anh Tuấn thuộc Đại học Tôn Đức Thắng nói."
"Kênh Hàng Bàng chạy từ Lò Gốm (quận 6) đến kênh Vạn Tượng (quận 5) dài khoảng 1.400 m bắt đầu được đào lại từ năm nay để khơi thông dòng chảy, điều tiết nước, chống ngập cho khu vực. Hiện, hàng chục ngôi nhà từ kênh Lò Gốm đến đường Bình Tiên (dài khoảng 200 m) được dỡ bỏ phục vụ việc giải tỏa trong gian đoạn 1 của dự án.Theo báo cáo của UBND quận 6, việc giải tỏa, đào lại kênh Hàng Bàng trải qua ba giai đoạn và dự kiến hoàn thành vào năm 2020 với kinh phí hơn 2.000 tỷ đồng."
Còn có một số người thì họ học cách làm đúng từ ban đầu, do đó lỗi sai của họ nhỏ hơn, ít bị vấp cơ chế, ít bị vấp phải lỗi hệ thống, và họ có thể sửa ngay từ sớm, nên họ phát triển nhanh, họ có nhiều thời gian để lo những chuyện lớn cho xã hội thay vì phải mất hàng chục năm sửa chắp vá những vấn đề sai từ gốc rễ.
"DeWitt Clinton, được đề cử làm Thị trưởng thành phố năm 1803, khi đó mới 34 tuổi. Ông luôn có hy vọng biến thành phố này thành trung tâm của Hoa Kỳ, một cường quốc trên thế giới trong tương lai.DeWitt Clinton muốn có “một thành phố kiểu Mỹ”. Một thành phố được xây dựng mạch lạc, rõ ràng, hùng mạnh về kinh tế và chính trị nhưng đồng thời phải phản ánh được tư tưởng dân chủ đã được đưa vào Hiến pháp Hoa Kỳ trước đó hai chục năm. Ủy ban Quy hoạch có nhiệm vụ biến ước mơ to lớn này thành hiện thực.Nhận nhiệm vụ của Ủy ban Quy hoạch chuyên gia ngành trắc đạc dưới sự chỉ huy của ông John Randel đã ngày ngày miệt mài tiến hành đo đạc toàn bộ diện tích trên đảo Manhattan từ những vùng đầm lầy cho đến khu đồi núi, từ những khu trang trại rộng mênh mông cho đến những khu đất còn hoang hóa, cây cối rậm rạp. Các chuyên gia trắc đạc ghi chép cẩn thận từng độ cao, phác thảo các tuyến đường và các khu đất xây dựng nhà ở trong tương lai.Sau bốn năm nghiên cứu, thu thập số liệu đến năm 1811 bản quy hoạch tổng thể xây dựng New York đã hoàn thành. "
"Sau hơn 200 năm tồn tại, mô hình quy hoạch này dường như không hề có yếu điểm. Các công trình mới được xây dựng như công viên trung tâm và nhà ở “siêu khối” năm 1960; đường Madison và Lexington; mạng lưới giao thông cho ô tô và tàu điện ngầm; các tòa nhà chọc trời; hệ thống nước, hệ thống lưới điện… đều phù hợp với mô hình này.Đến nay, tuy Manhattan nổi tiếng với biệt danh “thành phố của những quái xế”, thế nhưng với mô hình quy hoạch “ma trận” ô bàn cờ, tại đây chưa bao giờ xảy ra tai nạn giao thông."


Nguồn ảnh:
Do đó mình thấy rằng muốn thành công trong việc nào đó, hãy học cách làm đúng ngay từ ban đầu, rồi cọ xát thực tế để lấy kinh nghiệm, chứ không học mà chỉ làm rồi lấy kinh nghiệm thì xã hội sẽ như chúng ta đang thấy. Hãy học như máy tính học.

Thinking Out Loud
/thinking-out-loud
Bài viết nổi bật khác
- Hot nhất
- Mới nhất

Viet Anh Tran

Cũng phải thừa nhận là trong đời không phải lúc nào mình cũng làm đúng được vì có những thứ thậm chí còn không có tiền lệ hoặc công thức :)) hoặc có những thứ đến bất chợt và cần hoàn thành trong thời gian ngắn, đôi khi phải quyết định và bắt tay triển khai rất nhanh.
Việc học cách làm đúng ngay từ đầu nghe thì vậy chứ theo tôi cần nền tảng cực kỳ vững vàng, không phải ngày một ngày hai mà thành. Nhiều người phải thất bại lên xuống, trải nghiệm đủ thứ rồi mới học được bài học này. Vậy nên cái quan trọng nhất có lẽ là học cách thích ứng và cân bằng: Cố gắng làm đúng ngay từ đầu nhưng không sợ sai và nếu sai thì phải cố gắng sửa thật nhanh 

- Báo cáo

Huskywannafly

Cho nên mới ghi là cọ sát thực tế để lấy kinh nghiệm đấy. Nhưng chí ít trước khi làm thì phải được đào tạo 1 chút đã, để có kiến thức chuyên môn. Người có kiến thức chuyên môn vẫn làm sai nhưng họ học nhanh, sửa sai nhanh và thuần thục công việc nhanh hơn 

- Báo cáo

Viet Anh Tran

Ừa nền tảng vững vàng quan trọng mà. Cái gì cũng có giá của nó nên ông nào chịu khó tích lũy nhiều kiến thức, kinh nghiệm hơn thì ông đó có lợi hơn :3
- Báo cáo
Hieubeo122
Y như Táo Quy Hoạch trong gặp nhau cuối năm có 1 mong ước là có 1 tảng thiên thạch san phẳng mọi thứ thành bình địa thì quy hoạch từ đầu cho nó nét
- Báo cáo

Nguyễn Tuấn Vũ
Quan điểm của bác rất giống e
Có những người luôn mở mồm ra là phải sai mới học được các thứ, vậy làm đúng ngay từ đầu thì sao.
- Báo cáo

Huskywannafly

Cám ơn bạn, mình thấy người khác tư duy cùn quá nên phải viết bài này 

- Báo cáo

Y Nguyên
Sửa sai, sửa sai lại sửa sai. Thật ra đó chỉ là lý lẽ của con người không có học nhưng có quyền rồi tự bào chữa những việc làm gây tổn hại của mình.
Những công trình cần sự hiểu biết chuyên môn phải được giao cho những người được đào tạo chuyên môn hoạch định và thực hiện.
- Báo cáo

b0r1n9
Học như máy á
Machine learning nay đã lui vào dĩ vãng, tương lai của AI là deep learning và neural network toàn học theo phương pháp thử-sai rút kinh nghiệm đấy husky ah ^^. Tức là học như người.
Thật ra vấn đề không phải ở phg pháp mà là ở con người. Có những người làm sai liên tục vì họ không biết/ chả thèm rút kinh nghiệm từ những thất bại trước đó. Chứ còn học cách làm đúng ngay từ đầu thì OK thôi, nhưng "cách làm đúng" đấy từ đâu ra, nếu không phải xuất phát từ kinh nghiệm :))

- Báo cáo

Hoàng tử
Kinh nghiệm thì xin của người đã làm đúng =))). Please đã bảo những cái chưa có tiền lệ thì đành chịu thôi.
- Báo cáo

b0r1n9
chưa có tiền lệ thì phải noi gương Ê-đi-sơn lão anh hùng thôi :)) đoạn này lan man lạc đề tí: khoa hạc đã từng phát triển đến mức cung cấp cho ae rất nhiều mô hình đặng dự đoán thế giới khiến ta có cảm giác cái gì cũng có thể lường trước, có thế tính toán để cho ra giải pháp tối iu ăn chắc được. dưng mà xét đến cùng nền tảng của các lý thuyết ấy vẫn là các phép thử-sai mà thôi ^^
- Báo cáo

Hoàng tử
Xác suất thống kê có mảng thống kê dự báo nhưng mà vẫn phải dựa vào mẫu có sẵn =))).
- Báo cáo

b0r1n9
Yep, hoàng tử có nhã hứng thì đọc cuốn cấu trúc các cuộc kách mệnh khoa hạc của Tômát-kun ấy, hay rất.
- Báo cáo

Huskywannafly

Từ Machine Learning mới có deep learning theo phương pháp thử đúng - sai rồi rút kinh nghiệm nhưng là theo hướng dẫn. Ví dụ trong bài này, giáo sư Ng đã gửi 10 triệu video dữ liệu cho máy tính học, tức là 10 triệu video dữ liệu đã được chọn lọc, chứ ko phải lấy ngẫu nhiên. Do đó tuy học theo kiểu thử nghiệm đúng sai nhưng do được hướng dẫn bài bản, được chỉ cho thế nào là đúng, nên máy tính thực hành nhanh, học nhanh hơn.
https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
Mà tui thấy hơi liều khi dám nói Machine-learning là lạc hậu nhé, giống như dân lập trình 5 năm đổ lại đây cũng nói Java là lạc hậu thôi, nhưng mà nhu cầu cho Java hiện nay và tương lai cứ tăng đều

- Báo cáo

Hoàng tử
Ông nào nói java lạc hậu thế =)))).
- Báo cáo

Huskywannafly

Chỉ là một nhóm tui biết thôi ông ơi :>
- Báo cáo

b0r1n9
:)) đó cũng là một cách nhìn vậy.
- Báo cáo