Câu chuyện 4 tháng học AI của mình , merely man of culture , etc, vnamse and english hybrid and sarcasm, u have been warned.

Tất cả các nguồn đều là Trust me bro , chưa thể xác nhận là đúng được , do mình viết cảm hứng là chính .

Đó là vào giữa tháng 9 năm 2022, mình được apply và được nhận vào 1 lab ở HUST (BKHN) của trường Điện - Điện tử , nếu các bạn để ý , giờ các lab của trường Điện Điện tử , hầu như lab nào cũng có AI , team AI trong đó. Bởi lẽ , AI giờ đang là xu hướng và AI là công cụ , chứ ko phải đích đến như nhiều người nghĩ. Công cụ để giải quyết các bài toán của Viễn thông, năng lượng, Thị giác máy tính (Computer Vision),... sao cho kết quả sẽ cho ra là tối ưu nhất, camera nhận diện được những chức năng ta mong muốn chúng nhận diện được, vv có thể nói AI là 'phép thuật' với người ngoài cuộc và cả trong cuộc.

Lúc vào lab, mình chỉ biết đúng 1 thuật toán AI kiểu biết sơ sơ: Reinforcement Learning. Thuật toán này đã được áp dụng rất nhiều vào game, ví dụ cờ vua , Dota (do OpenAI),... và mới nhất là ChatGPT ( cũng do OpenAI).

Nên từ khi vào lab , mình cần học những thứ được coi là fundamental hơn. Bắt đầu từ học lập trình ngôn ngữ Python , làm quen 1 số thư viện Pandas , Matplotlib, framework như pytorch, tensorflow, biết sơ sơ 1 số các thuật toán khác của Machine Learning. AI về cơ bản rất rộng, gồm NLP (Natural Language Processing - xử lí ngôn ngữ), Machine learning, vv . Thì Machine Learning là 1 mảng to trong AI . Điều mình biết ơn nhất trước khi vào lab là mình biết Tiếng Anh kha khá sẵn và biết lập trình Python mức cơ bản. 2 cái nền này quan trọng nếu bạn muốn đi nhanh hơn nhiều. Tri thức thế giới , đặc biệt trong AI hầu hết được cất giấu trong Tiếng Anh và lập trình là 1 hệ tư duy logic , rành mạch.

Trên quãng đường đi đến hiện tại , mình gặp nhiều câu hỏi trong mình. Liệu project mình làm có giúp gì cho con người ko hay chỉ hại con người , công nghệ ko có lỗi , nó trung lập nhưng cách sử dụng nó sẽ quyết định nó tốt hay xấu. Liệu mình cần đẩy nhanh tiến độ học ko , mình tự tạo cách học mới nhờ nhìn vào senpai đi trước và peer của mình , mình gọi là fast learning , tức là thay vì đi tỉ mẩn , cẩn thận , hiểu cặn kẽ kiến thức , mình hiểu sơ sơ rồi đi nhanh thực hành , lấy được output kết quả rồi nếu cần thì mới bắt đầu đoc lại để hiểu lý thuyết (đây là kiểu học top-down với tinh thần engineer not researcher), đọc lý thuyết cùng lắm 1-2 tháng là quên, đương nhiên đọc lại notes hay dùng spaced repetititon hay active recall sẽ nhớ dai hơn nên mình đắn đo có nên note lại ko, những mindmap ,notes có đọc lại lần 2 bao giờ đâu, well mình note summary trên notion dạo này ; nên có vẻ thực hành chính là cái note quan trọng thật , chỉ mong về sau học lại lý thuyết sẽ dễ hơn nhờ có lúc trước đây đã học được nó.

Hiện tại , mình đã hết thời gian training trong lab và dấn thân vào 1 project ABC (survey paper , state of the art (những code , paper cho ra kết quả cao với 1 bộ dataset, chạy code, chọc vào chỗ người khác trên thế giới làm còn ít...)

Về cơ bản deep learning có 3 cái chính: (deep learning là 1 subset lớn trong machine learning, đại loại là nhiều layer hơn machine learning)

Mình nghĩ bắt đầu với Perceptron rồi mạng MLP (multi-layer perceptron model) là cách diễn giải tốt nhất cho newbie like me :> hiểu được MLP là những mạng khác bạn ko ngán gì CNN các kiểu , AI ko khó như bạn nghĩ, mà là vừa rất khó và kích thích (what doesn't challenge , cannot change you)

Kỹ xảo VFX Marvel nhiều series ko bằng VFX của Cướp biển Carribean hay Avatar do đội ngũ VFX bị dí deadline và underpaid qua những con mắt sharingan của Marvel trên những bản hợp đồng để tìm loop hole vắt kiệt nhân viên?

1 họa sĩ Nhật hoàn thiện bức tranh 6 năm hay 1 content artist bị dí deadline (hay 1 AI Midjourney go bruhh trong 3 giây với thuật toán Diffusion xuất sắc ). By the way, mấy cái art Midjourney Dark Fantasy 80's đẹp , thật.

1 câu chuyện: Mình có xem Alice in Borderland phần 2 và nhớ lại phần 1 thì nhớ có tập trò 7 cơ , 1 sói , 3 cừu và cư dân mạng và cộng đồng reddit bó tay vì tác giả ko đưa ra câu trả lời cho thử thách nhưng mình ko thấy ai thật sự nhìn dưới góc độ công nghệ trong thử thách nay.

công nghệ được sử dụng theo phim rồi theo manga . công nghệ theo quan sát mình là 1 người nhìn vào mặt người kia sẽ chuyển vai từ sói sang cừu và ngược lại .

Công nghệ eye tracking , công nghệ tiếp là face recognition và face alignment , facial landmark và face verification . Nếu hiểu rõ những công nghệ này biết đâu có thể tìm được loop hole trong trò chơi thay vì cứ phản biện triết học hay non-tech talk với nhau. Biết đâu nếu tái tạo lại được trò chơi dưới dạng for fun thôi thì ta tìm được loophole

Theo mình , đầu tiên là eye track (công nghệ này mình ko nắm rõ lắm), mình đoán để xem mắt mở hay ko và tầm nhìn rõ ko, đến mức nào và được đối chiếu với 1 cam được lắp trên kính được nhúng (embeded) với 1 phần mềm facial recognition (kiểu ta có 1 bức ảnh , nhận diện khuôn mặt bằng phần mềm AI , có thể bằng landmark của khuôn mặt, 5 landmarks là đủ, vd yoloface chẳng hạn)

Dù đây là trò chơi hệ cơ (đánh vào tâm lí muốn sống của chủ thể, chơi đùa cảm xúc) lại còn 7 cơ nhưng mình thấy hệ cơ lại nhiều lúc dùng não có thể giải đôi chút , ko thể để cái framing vấn đề là 'hệ cơ' làm ta chỉ tin vào đây là trò ít não. Nhưng trò hệ cơ quan trọng có thể là ta làm ngược lại , sẵn sàng tâm lí bỏ mạng , ví dụ trò 2 cơ trong manga , loanh quanh chap 8-12 gì đó.

Khi hiểu về 1 công nghệ , ta làm chủ và modify được nó ở những small components của nó và smaller của small component của nó và cứ small hơn nữa cho đến khi ta chỉ còn yếu tố bit và cuối cùng là high low của dòng điện. Càng hiểu smaller component hơn , ta càng có khả năng làm chủ công nghệ và càng dễ kết hợp nó với nhiều công nghệ khác , breakthrough hay maybe nobel prize mình nghĩ bắt nguồn từ generalist có khả năng mindset của 2 hay nhiều ngành để tạo ra breakthrough mới .

Ví dụ : ChatGPT nếu bạn hiểu rõ nó được huấn luyện dựa trên dữ liệu từ năm 2021 trở về trươc , video mấy tháng trước mình xem qua tiêu đề GPT huấn luyện trên 4chan :))) giờ đây có 1 GPT nói chuyện như 1 người trong cuộc đồng 4chan thực thụ

Sẽ dễ triển khai ý tưởng nhanh hơn nếu coi người đọc có thể tra cứu những thông tin , từ khóa có trong bài viết mình mà ko cần giải thích, cũng giống như bạn và bạn bè cùng nói về 1 cái meme vậy hay lấy reference trong 1 bộ phim , cả hai đều có kiến thức sẵn nên nói chuyện sẽ high-level hơn (kiểu trừu tượng hơn nhờ có thứ trừu tượng khác biết từ trước). Và có gì ko hiểu thì ta tra google (họăc là ChatGPT)

Sau 4 năm đại học thứ quan trọng hơn knowledge là skill set và figure out thứ mình hợp và thích sau nhiều lần fail ở các thứ khác (có thể thứ thích hôm nay sẽ update thành thứ khác 1 ngày nào đó , who knows?) , skill set đó là thứ gắn bó mình .

Lối chơi các super GM thời nay đa phần là universal (kết hợp giữa tấn công , phòng thủ và positional play chặt chẽ) . Ở level mình ,lối chơi của mình chủ yếu là tấn công nhưng tấn công kiểu nhiều lúc dễ bị lật lại kèo và hầu như là tấn công vua đối thủ và may mắn là rating rapid trên lichess vẫn giữ mức 2100-2200 . So trust me in talking chess, bro ;)

Khai cuộc mình thích chơi nhất là King's gambit .Có vẻ mình ấn tượng thời kì Romance của cờ vua. Có vẻ mình thích chơi King's gambit và nhiều vụ thí quân trong trung cuộc và tấn công vua đối phương , thường mình thích thế cờ phức tạp , nhiều quân , hay có khi dâng tốt tấn công vua (pawn storm) ,... Khai cuộc nào mình cũng muốn có plan tấn công vua đối phương. Mình thích trêu đùa tâm lí đối phương và chính mình . Vì dưới sự tấn công thế trận double-edge (1 hay vài nước đi sai lầm là lật kèo cho bên còn lại), mình thích chơi tấn công và cả double-edge làm cho các quân ở các vị trí tấn công . Tâm lí kích thích và trêu đùa tâm lí là chính.

1 trò chơi hệ rô nhưng vẫn ẩn chứa hệ cơ (manipulating , negotiating, ...) và hệ bích (those adrenaline and dopamine rush though, burns calories like crazyy). Giống nhà ảo thuật cờ vua Mikhail Tal , thí quân sáng tạo bậc nhất , mình từng cố bắt chước cách đánh ô nhưng thật sự khó . Cả khai cuộc Benoni ô ấy từng refute (làm nó được chơi nhiều lại) , mình vẫn ko làm chủ được sức mạnh khai cuộc (đen mà hiểu rõ Benoni thì rất khỏe) hay có lẽ Hikaru nói đúng , Benoni means Son of Sorrow gì đó (bạn đánh Benoni khi bạn buồn vô cùng , dường như muốn thua) chắc tại biến Taimanov đó

Mình muốn kết thúc tâm lí và thế trận đối phương ngay trong trung cuộc , ko cần đến tàn cuộc. 1 cuốn sách hay xưa mình đọc là Art of Middle Game của Paul Keres và Kotov , khá hay . (có ván Nimzo với prodigy Samuel Reshevsky , tượng kẹt cứng hay)

Thật đáng sợ khi những gì mình xem 1 tháng trước chả khác gì những gì mình xem bây giờ , content khác nhưng giá trị nó ẩn trong vẫn vậy.

thiên kiến lệch lạc về feminism . Đa phần câu view vào extreme feminism và những tư tương cực đoan hơn (xem nhiều thành lú luôn là tư tưởng đó chỉ có extreme). Có thời nghĩ Andrew Tate là thần tượng (nghĩ lại what you see is what you slowly becomes). Kiểu những gì mình xem hôm nay là cặn bã y hệt những gì mình xem hôm qua , so to break the loop , việc cần làm có vẻ là ko passive chọn video nữa , cần xác định rõ muốn xem gì trên youtube , vì cái cycle sẽ mãi tiếp tục vì mình ko chịu chọn topic mới . Cái recommendation system này ghê thật . AI algorithm works upon human's dopamine. Hoặc kết hợp giữa entertain và educational video , well fuck it, dễ bị dễ về entertainment nhể? Ko thử sao biết được? Well slow transition to better video, each milestone at a time .

Ở 1 lớp Bách Khoa , 1 người thông minh là thằng có CPA cao nhất , thằng đẹp trai nhất là thằng có kiến thức trong giờ thi .

Ở 1 nhóm bạn , người thông minh là thằng biết nhiều và EQ ko tệ

Ở đời , có lẽ người thông minh là thằng hỏi nhiều , tò mò hay thằng hỏi gì cũng chém như đúng rồi.

Hay là 1 người đọc nhiều sách (1 loại người nguy hiểm vì họ lấy skill người khác làm skill của họ nên khả năng họ là vô hạn , chỉ bị giới hạn bởi thời gian)

Hay là 1 người có khả năng liên tưởng tốt các vấn đề , abstract topic/keyword với nhau

Hay là cộng hưởng của trí tuệ 2 người cùng nhau như một (team work), tinh thần đồng đội tốt.

Hay 1 người sẵn sàng rũ bỏ những thiên kiến cũ , hệ tư duy , belief cũ ko tốt để tiếp nhận cái mới

1 người có đầu óc nắm bắt thứ mới nhanh và hiểu , à quên trước đó là mở lòng và đón nhận kiến thức đó đã , chưa đánh giá vội để ta mở lòng rộng hơn và rồi đi kèm là thái độ cầu tiến , học hỏi.

2 cuốn sách hay về mindset mình chưa hoàn thành đọc là "How to think like a rocket scientist" và "What's your problem: To solve your problem , change the problem you solve" đều đặt tầm quan trọng của việc đầu tiên đặt câu hỏi đúng hơn và frame problem tốt hơn để chặng đường giải quyết vấn đề là tốt hơn . Có những việc mình biết rõ câu trả lời rồi nhưng mình vẫn muốn biết cách giải quyết , cách nhìn của người khác (dù người ta có thể cho mình ngờ nghệch khi hỏi , nhưng biết được thêm 1 cách nhìn thế giới qua người khác rất hay)

Dù ở BK rất nhiều người thông minh về tư duy logic do cấp 3 trường Chuyên lại thêm đại học BK , tận 2 cái filter cho sàng lọc ra những bộ óc logic tốt (mình nhận ra giáo viên giỏi là 1 finite resource nên 1 lớp muốn được impact bởi giáo viên giỏi thì cần được học trực tiếp , cụ thể là lớp nhỏ , nhưng ngày nay có lớp online thì ai cũng đươc impact , nhưng thật sự thì học online chỉ impact được những người tự giác mà ko cần deadline và sự impact không bằng face to face với giảng viên, anyway giáo dục cần tự do free for everyone chứ nhỉ , thế thì cạnh tranh kiểu gì ta , các thầy cũng coi bài giảng là product chứ , bọn mình là customer nên có cạnh tranh trong giáo dục thì người ta mới dồn chất xám vào bài giảng, not just slides and documents). Ko phải ai cũng học kỹ thuật được. Đó cũng là lí do tin HR , marketing của trường H ko bằng review của anh chị đi trước. Nói thế chứ mình vẫn ủng hộ democratise giáo dục .

Quay lại vấn đề chính , những người có thái độ vị tha với người hỏi câu hỏi là những người thật wholesome và perhaps very handsome/ beautiful :)) thái độ aggressive hay tỏ ra thượng đẳng ko cool chút nào

better notice beginner and outsider to join your project , get their precious beginner 's mindset and other field mindset too .(they even have transfer learning in god damn machine learning , that's useful af) Transfer learning như kiểu lấy kiến thức người khác thành lắp vào của mình vậy , at least cái tech này đang có ở machine learning (lấy weight mạng pre-trained (train trước) để lắp mạng khác , weight trong machine learning chính là "kiến thức" máy "học" được (neuron của nó mà)

Mình ko phản đối việc có nhiều reference từ nhiều bài viết khi làm 1 bài mới trên spiderum nhưng cũng cần có ý kiến cá nhân chứ , theo mình , câu chuyện cá nhân là tốt nhất , nó unique.

Ý kiến cá nhân đương nhiên hôm nay đúng , mai nó sai . Giống các việc về khoa học , nay đúng , mai sai , ko phải mai thì cũng thập kỉ hay thế kỉ hay đến khi con ng fight each other with sticks and stones or with godlike, breathing-technique like, saitama like power thì cũng sẽ được refine lại cho đúng hơn ,đợi chờ 1 lần nữa ĐƯỢC công nhận sai. 'Dance with uncertainty' (taken from How to think like rocket scientist)

I should spend more time watching this cool nerdy people , those shiny , filter people in media make my fragile brain cell tiny

Toàn câu view rẻ tiền và con người vỏ rỗng núp bóng 'intellectual và inspirational' , cần tìm nguồn video với những con người chất lượng cam tuy fuzzy , ko filter , ko màu mè , ẩn mình , nhưng họ đang là người âm thầm control the rest.

Thứ hold mình nhất trong lúc học thuật mình thấy vẫn là tâm lí mình , chắc nhiều người cũng vậy . Thấy nhiều bài trên spiderum viết về tâm lí , triết học nhiều , thế hệ gen Z như mình và 9x nhiều điều mới từ internet , tìm bản thân và đôi khi tìm lại bản thân . Liệu tâm lí , cảm xúc là rào cản để học kiến thức hay nó mới là cảm hứng để fuel cho động lực để truy cầu kiến thức ?

Biết là xã hội đòi hỏi productivity theo kiêu daily demand nhưng productivity should be used at appropriate frequency , maybe take a day off the topic or break a task into many phase to finish by . Creativity is scarce commodity. Mind you.

Engineer có thể tạo ra wonders từ bits and bytes nhưng thứ họ tạo ra hiện còn nhanh hơn những laws được áp lên AI , vấn đề morale và ethic liệu bắt kịp được , dù bắt kịp nhưng vẫn còn nhiều loop hole dễ exploit và liệu ethic những công ty AI đang nói ra với dư luận có thật hoàn toàn ?

Công nghệ là giúp cuộc sống con người thoải mái hơn bằng cách tận dụng các fundamental một cách (có cấu trúc) hiệu quả hơn

các fundamental là những thứ căn bản , ví dụ điện , nước , chất hóa học hay fundamental hơn nữa là nguyên tử , bla bla bla .

Từ fundamental ta xây nên được abstract , ví dụ kết hợp gỗ và nước , ta có cối xay nước :)) , kết hợp toán và code ta có machine learning (đương nhiên còn nhiều thứ khác nữa )

Những ý tưởng trừu tượng abstract được tạo nên từ những ý tưởng dễ hiểu hơn (nên ta gọi là trừu tượng vì vậy , vì mới đầu có hiểu gì đâu , nó toàn từ đâu xuất hiện)

nên ta hiểu là các tầng trên abstract thì gọi là higher abstract , nhưng ta vẫn gọi higher abstract là abstract vì vẫn có tầng higher hơn chực chờ xuất hiện sau nó

bạn sẽ tạo ý được ý tưởng abstract : dùng nước để tạo điện năng , how then , ta cần tua bin và nhiều ý tưởng khác , phương trình vật lí , toán học được chứng minh và abstract ngày càng được nâng cao hơn cho tới khi ta được đập thuỷ điện.

Vậy sức mạnh công trình khoa học breakthrough mình tưởng tượng nó sẽ là kết hợp giữa 2 hay nhiều lĩnh vực với nhau , deep learning được ra đời từ mạng MLP và mạng MLP được ra đời từ sự kết hợp abstract giữa máy tính và inspire bởi neurology

Đặc điểm hay mình nhận ra là càng xuống tầng abstract bớt trừu tượng hơn , ta càng có nhiều control over những ý tưởng , nhiều cơ hội áp dụng kết hợp các abstract idea với nhau , nếu ta modify abstract bớt trừu tượng vd như question tính true của nó như Einstein

định luật Newton là 1 abstract khá classic , nhiều công trình được dựa lên nó , nó là điểm tựa cho rất nhiều công trình khoa học , ít ai question , ng ta nhận ra 1 số điểm phi lí ở những tầng abstract trên , kiểu ko phù hợp với micro thing chẳng hạn , và breakthrough , Einstein với kỹ năng "thought experiment" của mình , modify được abstract cấp thấp là một số định luật Newton của Newton này và nó shake cả làng physic

Mình cho các bạn 1 concept mới : combine ideas , yes , cách tạo breakthrough nhanh phết đó , x2 công lực khi kêt hợp giữa 2 lĩnh vực , or even 3 lĩnh vực . Hmm ví dụ về công ty GoogleX đi , chuyên tạo Moonshot idea (những ý tưởng táo bạo , scifi) ở đó bạn vào , bùm chính trị gia , nhà thiết kế thời trang , nhà thiết kế tên lửa nói chuyện ý tưởng với nhau , đó là cách ta tạo ra wonder (at least đó là những gì Ozan Varol viết trong How to think like a rocket scientist , seems legit ?! :))) anyway kể cả phi hành các cuộc thám hiểm vũ trụ cũng vậy nhể? (giống phim Martian, well at least a biologist included so we wont starve) . Bài này mình chưa đọc , nhưng trông hay phết về Google X.

Mình prefer cách 1 hơn, nhưng cách 2 rất hấp dẫn , nên mình đề ra 1 điều mới là đứng giữa lựa chọn nhiều hơn bằng 2 thì thêm 1 lựa chọn , how about cả 2 . why debate like crazy like some Ams students about 1 POV , why not share both POV , create better things to share.

Pháp sư Trung Hoa publish nhiều báo vê AI phết nhể , tất cả mọi ngành luôn . Nhiều du học sinh TQ ở Standford , Oxford , MIT ,.. quá rồi . VN có gì họ có tận x8-10 lần như vậy . VN có 1 AI specialist thì họ có 10 AI specialist , 1 Gold Medal Toán thì TQ vs TQ for the rest. Nên mình từ bỏ việc so sánh giữa các nước . Chơi trò Global Citizen thôi , coi những người các nước khác là bạn và rất nhiều nhà khoa học từ Greece , Finland , India, US , China ,vv đều là 1 community , tear down the wall/barrier between countries , be more Global Citizen , be more humane , more sympathy, co-op khoa học ko để bias , prejudge , stereotype làm cho mờ mắt .

Mathematician như 1 species khác vậy nhưng vẫn là con người , mình give up việc cố trở thành 1 con ng giống họ , chúng ta nên học chấp nhận việc ko giống được như người khác và dành ít năng lượng cho việc chạy theo điểm yếu của mình , và dành năng lương nhiều hơn cho path chính mình , điểm mạnh. Vì ở cái thời này , làm việc chung với nhau , ta bù đắp được cho nhau trong 1 dự án , ko cần be a hero carry whole team nữa . (đây là môi trường làm việc lý tưởng nhưng ko hiếm lắm nhỉ, tự tạo đuọc mừ)

ChatGPT , AI khác là mainstream, ta biết nhờ what , hmm media , lúc ta biết cũng là lúc ta đã bỏ lỡ 1 đống evolution của những thằng AI khác cũng mạnh ko kém và nhiều tiện dụng. Hmm , cần update thêm kiến thức AI mới , thay vì cứ vài năm lại tự ú òa hóa ra AI là thế à , trong khi nó thành hình và tiến hóa nhiều lần rùi

Kể tên những phát minh AI khác bạn biết xem ngoài ChatGPT , name them specific plz , at least 10 , uh even i stuck , so update more myself and sheeple. hmm cái này có vẻ Huyen Chip (1 voice in AI nổi tiếng ở Standford đã làm) category theo hmm lĩnh vực.

Như mình nói , AI là công cụ . The wielder who smart enough and start soon enough and hide enough their work can lift it - hmm mình tạo lắm quote bản thân thế nhỉ (it is called Meow Meow - Thor film)

Mình chưa đọc cuốn Thinking fast and slow . Nhưng đây là slogan mình tự nhiên nghĩ ra. Giới trẻ nghĩ nhanh thật , mình đầu óc cũng nhanh chút nhưng hoạt động thế nhiều thì hơi hype và mệt cho tâm lí nhỉ? Có lẽ nên có những khoảng thời gian nghĩ chậm lại , chủ dộng cho suy nghĩ chậm lại , có thể anchor vào 1 chuyện (1 lúc trong ngày)

Câu hỏi cách ngủ mình học được từ thầy Thích Nhất Hạnh sau 4 năm khó ngủ vì công nghệ của mình , rất rât rất recommend , mấy video của mấy guru productivity hay minimalism ko ăn nổi video này của thầy , nó đánh vào core con người , ko phải dựa theo công trình nghiên cứu khoa học nào cả , học thuật nhiều lúc bỏ qua yếu tố tinh thần , suy nghĩ con người thật .