0:00

17:31

TS. Lương Minh Thắng: Liệu AI có thể tìm ra lời giải “tinh tế” vượt ngoài nhận thức của con người?

Leader Atlas·17:31·Technology·B2

Chương · 6

Chương 1·From Math Olympiad to AI

Hiển thị

Tiếng ViệtAuto-scroll

0:01

All right, good afternoon everyone.

Được rồi, chào buổi chiều mọi người.

0:02

Um, I'm not going to talk of technical details though.

Ừm, tôi sẽ không nói về chi tiết kỹ thuật đâu.

0:06

I think uh Jeff Quark uh D have talked a lot of technical details.

Tôi nghĩ là Jeff Quark và D đã nói rất nhiều về chi tiết kỹ thuật rồi.

0:12

So I'm more I'm more on the side.

Nên tôi thiên về khía cạnh khác hơn.

0:15

I'm going to tell you some story some journey uh through uh math and AI through which I hope to connect uh the main subject that we talked during the the panel which is superhuman reasoning.

Tôi sẽ kể cho các bạn một câu chuyện, một hành trình qua toán học và AI, qua đó tôi hy vọng kết nối được với chủ đề chính mà chúng ta đã bàn trong phiên thảo luận, đó là suy luận siêu phàm.

0:29

So uh my match journey started with a legend who glorified Vietnam 45 years ago.

Vậy hành trình toán học của tôi bắt đầu với một huyền thoại đã làm rạng danh Việt Nam 45 năm trước.

0:36

Um I'm guessing people might know who that is.

Ừm, tôi đoán mọi người có thể biết đó là ai.

0:40

Um Dr.

Ừm, Tiến sĩ.

0:41

Lelay Bakhen.

0:42

So he's my high school teacher.

Ông ấy là giáo viên cấp ba của tôi.

0:43

So during high school I did like full-time Matt Olympiad.

Trong suốt thời cấp ba, tôi học như toàn thời gian cho Olympic Toán.

0:47

I almost got to the IMO.

Tôi suýt được vào IMO.

0:49

So I was ranked number eight.

Tôi được xếp hạng thứ tám.

0:50

I got the silver but only nationally but didn't get to the top.

Tôi giành huy chương bạc nhưng chỉ ở cấp quốc gia, không lọt vào top đầu.

0:55

But I was pass so fascinate about Olympic math.

Nhưng tôi bị cuốn hút một cách say mê bởi toán Olympic.

0:58

And Dr.

Và Tiến sĩ.

0:58

Leakin, he's the one in 1979, 45 years ago in London.

Leakin, ông ấy là người vào năm 1979, 45 năm trước ở London.

1:03

He saw problem number three, which is a hard problem in geometry.

Ông ấy nhìn thấy bài toán số ba, một bài toán hình học khó.

1:08

And his solution is much more elegant than the organizer solution.

Và lời giải của ông ấy thanh thoát hơn nhiều so với lời giải của ban tổ chức.

1:13

Because of that, he got he got a special prize.

Nhờ đó, ông ấy nhận được một giải thưởng đặc biệt.

1:15

I can also give you a little bit of like what is this problem about.

Tôi cũng có thể kể cho các bạn một chút về bài toán này.

1:20

So the two circle they intersect at point A and then you have two point like m1 and m2 they travel at the same velocity.

Hai đường tròn cắt nhau tại điểm A, rồi bạn có hai điểm như m1 và m2 di chuyển với cùng vận tốc.

1:30

So the question is there a particular point a fixed point that at any point in time it always have equal distance to m1 and m2 and he has a nice solution and this is the solution that got him the special price.

Câu hỏi là liệu có một điểm cố định nào mà tại bất kỳ thời điểm nào nó luôn cách đều m1 và m2 không, và ông ấy có một lời giải đẹp, và đây chính là lời giải đã mang lại cho ông ấy giải thưởng đặc biệt.

1:44

The story was I didn't get to the IMO so I was sad.

Câu chuyện là tôi không được vào IMO nên tôi buồn.

1:49

So I switched to AI.

Nên tôi chuyển sang AI.

1:51

Um and then I continue AI for 20 years.

Ừm, và rồi tôi tiếp tục với AI trong 20 năm.

1:54

I didn't do math much.

Tôi không làm toán nhiều nữa.

1:56

I I did like deep learning for translation.

Tôi làm học sâu cho dịch thuật.

2:00

Uh with Quark I learned a lot from Quark in audio.

Ừm, với Quark, tôi học được rất nhiều về âm thanh.

2:04

I have intern at Google.

Tôi từng thực tập ở Google.

2:05

So I defend my thesis.

Rồi tôi bảo vệ luận án.

2:07

I work on deep learning neural machine translation and also then I work at uh Google brand.

Tôi làm về dịch máy nơ-ron học sâu, và sau đó tôi làm ở Google brand.

2:14

So this is the picture of my favorite.

Đây là bức ảnh tôi thích nhất.

2:16

I always show this picture to a lot of people.

Tôi luôn cho rất nhiều người xem bức ảnh này.

2:19

So, laughter so this is a US holiday.

Vậy, [tiếng cười] đây là một ngày lễ của Mỹ.

2:22

I don't know why all of three of us are on in the office that day.

Tôi không biết tại sao cả ba chúng tôi lại ở văn phòng vào ngày hôm đó.

2:29

I don't know.

Tôi không biết nữa.

2:31

There must be a reason.

Chắc phải có lý do gì đó.

2:33

I was single.

Tôi khi đó còn độc thân.

2:34

I don't know.

Tôi không biết nữa.

2:35

laughter Um, fast forward seven years later, just a few days ago, we on Daang.

[tiếng cười] Ừm, tua nhanh bảy năm sau, chỉ vài ngày trước, chúng tôi ở Đà Nẵng.

2:42

So, welcome Jeff to Vietnam.

Vậy, chào mừng Jeff đến Việt Nam.

2:44

Um only well great to be uh you here and um we took the picture again.

Ừm, thật tuyệt khi có bạn ở đây, và ừm, chúng tôi chụp lại bức ảnh.

2:51

I think we have aged I guess.

Tôi nghĩ chúng tôi đã già đi rồi.

2:55

Um so back to neurom machine translation.

Ừm, quay lại với dịch máy nơ-ron.

2:57

So the improvement were astonishing.

Sự cải thiện thật đáng kinh ngạc.

2:59

So whatever gain we got during that two year 2014 to 16 it's like equal to like 20 years before is that was just amazing how deep learning has progressed and uh fast forward to 2018 and 20 I co-created project Mina uh with uh this is a blog post I wrote with Daniel who was like um from YouTube that

Những gì chúng tôi đạt được trong hai năm 2014 đến 16 tương đương với khoảng 20 năm trước đó, thật đáng kinh ngạc khi học sâu đã tiến bộ như thế nào, và ừm, tua nhanh đến 2018 và 20, tôi đồng sáng tạo dự án Mina, ừm, với ừm, đây là một bài blog tôi viết cùng Daniel, người mà ừm từ YouTube mà

3:23

I mentor him and then he go to Google brand founded Carter AI now back to Google again under Jeff um Jeff uh Jeff think that it was a difficult task for ML um the conversation uh task and I think at that time we did a great job I think we we were probably number one chatbot in the world if we have released that then probably there's no code rest for Google two years later

tôi cố vấn cho anh ấy và rồi anh ấy đến Google brand, sáng lập Carter AI, giờ lại về Google dưới quyền Jeff, ừm Jeff, ừm Jeff nghĩ rằng đó là một nhiệm vụ khó cho ML, ừm, nhiệm vụ hội thoại, và tôi nghĩ lúc đó chúng tôi đã làm rất tốt, tôi nghĩ chúng tôi có lẽ là chatbot số một thế giới, nếu chúng tôi phát hành nó thì có lẽ đã không có code rest cho Google hai năm sau

3:50

at that time actually Vina can tell jokes you know we're just like doing some random talk like we ask like I like cows and say I heard they go to college and then we asked a cow go to college.

Lúc đó thật ra Vina có thể kể chuyện cười, bạn biết đấy, chúng tôi chỉ nói chuyện linh tinh, kiểu chúng tôi hỏi như tôi thích bò và nói tôi nghe nói chúng đi học đại học, rồi chúng tôi hỏi một con bò đi học đại học.

4:02

I heard a cow went to Harvard and then we asked for like what did the cow study?

Tôi nghe nói một con bò vào Harvard, rồi chúng tôi hỏi con bò học ngành gì?

4:08

It said like bovine sciences and then do horses go to Harvard?

Nó nói giống như khoa học bò rồi sau đó ngựa có vào Harvard không?

4:12

Say horses go to HT.

Nói ngựa vào HT.

4:14

So it was just an amazing conversation.

Vậy đó chỉ là một cuộc trò chuyện tuyệt vời.

4:17

um to today's standard I think it's just a simple conversation but it was an amazing joke at that time just only four years ago and um even uh fast forward more I'll talk more but I think the I want to say here actually like u can we I want to present a viewpoint that I think we should we going to we are moving from imitation to discovery test and this is a picture for my German II

Ừm, theo tiêu chuẩn ngày nay tôi nghĩ đó chỉ là một cuộc trò chuyện đơn giản nhưng đó là một trò đùa tuyệt vời vào thời điểm đó chỉ mới bốn năm trước và ừm thậm chí uh tua nhanh hơn nữa tôi sẽ nói thêm nhưng tôi nghĩ điều tôi muốn nói ở đây thực ra là ừm chúng ta có thể tôi muốn trình bày một quan điểm rằng tôi nghĩ chúng ta nên chúng ta đang chuyển từ bài kiểm tra bắt chước sang bài kiểm tra khám phá và đây là một bức ảnh cho German II của tôi

4:44

so I think we are in GI conference So I thought maybe I can ask a query and I actually got this nice picture.

Vậy tôi nghĩ chúng ta đang ở hội nghị GI nên tôi nghĩ có lẽ tôi có thể đặt một truy vấn và tôi thực sự đã có được bức ảnh đẹp này.

4:52

Um Superman thinking about superhuman reasoning.

Ừm Superman đang suy nghĩ về lý luận siêu phàm.

4:54

So I think perfect.

Vậy tôi nghĩ hoàn hảo.

4:56

Um match the topics.

Ừm khớp các chủ đề.

4:58

Um back to imitation to discovery test.

Ừm quay lại bài kiểm tra từ bắt chước đến khám phá.

5:02

Um I think probably most of how many people here heard about touring test?

Ừm tôi nghĩ có lẽ hầu hết có bao nhiêu người ở đây đã nghe về bài kiểm tra Turing?

5:07

So half about half I guess.

Vậy một nửa khoảng một nửa tôi đoán vậy.

5:09

So maybe I can explain.

Vậy có lẽ tôi có thể giải thích.

5:11

So uh Alan Turing probably father of AI most people probably know about that in 1950 he come up with the test uh for AI which he call an imitation test so you have here an interrogator I'm sorry well it's like a judge right he didn't know what behind

Vậy uh Alan Turing có lẽ là cha đẻ của AI hầu hết mọi người có lẽ biết về điều đó vào năm 1950 ông ấy đưa ra bài kiểm tra uh cho AI mà ông ấy gọi là bài kiểm tra bắt chước vậy bạn có ở đây một người thẩm vấn tôi xin lỗi à nó giống như một thẩm phán đúng không ông ấy không biết cái gì đằng sau

5:29

him there's a wall behind him there two could be like one is a machine one is a human so if when the person the jud talk to the machine and human and then he cannot tell which one is the machine, which one is the judge, is a human, then that AI or that computer already passed a touring test and um I think for a while like when we doing Mina chatbot, I think we all passionate about passing

Ông ấy có một bức tường phía sau ông ấy có hai có thể như một là máy một là người vậy nếu khi người thẩm phán nói chuyện với máy và người và sau đó ông ấy không thể phân biệt cái nào là máy cái nào là thẩm phán là người thì AI đó hoặc máy tính đó đã vượt qua bài kiểm tra Turing và ừm tôi nghĩ trong một thời gian giống như khi chúng tôi làm chatbot Mina tôi nghĩ tất cả chúng tôi đều đam mê vượt qua

5:54

the touring test.

Bài kiểm tra Turing.

5:55

I think that was one of the drive that we have been going through.

Tôi nghĩ đó là một trong những động lực mà chúng tôi đã trải qua.

5:59

But I think with the recent pace of like JBT, Germany, my believing we probably close to passing or maybe have passed the the imitation of touring test error and I think we actually moving to welcome to the new era, the era of discovery math test.

Nhưng tôi nghĩ với tốc độ gần đây của như JBT, Germany, tôi tin rằng chúng ta có lẽ gần vượt qua hoặc có thể đã vượt qua lỗi bắt chước bài kiểm tra Turing và tôi nghĩ chúng ta thực sự đang chuyển sang chào mừng đến kỷ nguyên mới kỷ nguyên của bài kiểm tra khám phá toán học.

6:15

So this is an article from the New York

Vậy đây là một bài báo từ New York

6:19

Time on alpha geometry where you know the new challenge for AI is the math Olympics and um but why math now?

Time về alpha geometry nơi bạn biết thách thức mới cho AI là Olympic toán học và ừm nhưng tại sao lại là toán bây giờ?

6:29

Um, can anyone guess?

Ừm, có ai đoán được không?

6:31

Uh, because you can be quite rich.

Uh, vì bạn có thể khá giàu.

6:35

So, there's a there's a prize, you know, if you get an AI fully open source and then can win a gold medal at the IMO, then you can get like $10 million.

Vậy, có một có một giải thưởng bạn biết đấy nếu bạn có một AI hoàn toàn mã nguồn mở và sau đó có thể giành huy chương vàng tại IMO thì bạn có thể nhận được khoảng 10 triệu đô la.

6:46

But choke aside, I think um for me, I think math is actually something very fundamental.

Nhưng bỏ chuyện đùa sang một bên tôi nghĩ ừm đối với tôi tôi nghĩ toán thực sự là một cái gì đó rất cơ bản.

6:51

So if you can do math well it actually really mean that you can really think through many steps.

Vậy nếu bạn có thể làm toán tốt nó thực sự có nghĩa là bạn thực sự có thể suy nghĩ qua nhiều bước.

6:58

We do see the big picture we can connect all the reasoning together and um it's also important because just a minor mistake can eventually lead to a wrong answer.

Chúng ta thấy bức tranh lớn chúng ta có thể kết nối tất cả lý luận lại với nhau và ừm nó cũng quan trọng vì chỉ một sai lầm nhỏ cuối cùng có thể dẫn đến một câu trả lời sai.

7:08

So I think if we can do math

Vậy tôi nghĩ nếu chúng ta có thể làm toán

7:11

very well, I think we that is actually um a part that lead to superhuman reasoning.

Rất tốt tôi nghĩ chúng ta đó thực sự là ừm một phần dẫn đến lý luận siêu phàm.

7:17

And for me superhuman reasoning is a prerequisite for Agi I would say.

Và đối với tôi lý luận siêu phàm là một điều kiện tiên quyết cho Agi tôi sẽ nói vậy.

7:23

Um and um just uh one example of superhuman reasoning in my belief is alpha geometry which uh we published uh just this year January with uh true Tony Quark her and my me myself.

Ừm và ừm chỉ uh một ví dụ về lý luận siêu phàm theo niềm tin của tôi là alpha geometry mà uh chúng tôi đã công bố uh chỉ năm nay tháng Giêng với uh true Tony Quark cô ấy và bản thân tôi.

7:38

So at that time solving you know like generative AI last

Vậy vào thời điểm đó giải quyết bạn biết đấy như generative AI cuối cùng

7:43

language model can solve problem very well.

Mô hình ngôn ngữ có thể giải quyết vấn đề rất tốt.

7:45

It can do like a lot of basic math but when you talk about Olympic math it's really hard because they're just tiny amount of data.

Nó có thể làm như rất nhiều toán cơ bản nhưng khi bạn nói về toán Olympic nó thực sự khó vì chúng chỉ có một lượng nhỏ dữ liệu.

7:54

There are not many example that can learn.

Không có nhiều ví dụ để có thể học.

7:57

So this work the inspiration is there a way we can generate a lot of data synthetically and we can solve Olympic geometry without any human demonstration at all.

Vậy công trình này nguồn cảm hứng là có cách nào chúng ta có thể tạo ra rất nhiều dữ liệu một cách tổng hợp và chúng ta có thể giải quyết hình học Olympic mà không cần bất kỳ sự trình diễn nào của con người không.

8:08

So there are two key idea uh idea number one is a neuros symbolic system.

Vậy có hai ý tưởng chính uh ý tưởng số một là một hệ thống neuro-symbolic.

8:12

I think quark have mentioned that to you.

Tôi nghĩ quark đã đề cập điều đó với bạn.

8:15

So it's a system one and system two.

Vậy đó là hệ thống một và hệ thống hai.

8:17

So there are two part here like uh system one is a neural language model very creative and but it's it's actually not reliable because it can hallucinate and then we need to couple it with a system to a symbolic engine which is more reliable and in the case of alpha geometry if you have a hard problems the symbolic engine if it can't solve it

Vậy có hai phần ở đây như uh hệ thống một là một mô hình ngôn ngữ neural rất sáng tạo và nhưng nó thực sự không đáng tin cậy vì nó có thể ảo giác và sau đó chúng ta cần kết hợp nó với một hệ thống hai một công cụ symbolic đáng tin cậy hơn và trong trường hợp alpha geometry nếu bạn có một vấn đề khó công cụ symbolic nếu nó không thể giải quyết

8:39

will ask the neural language model to suggest some points and lies as if you do like when you were in high school or secondary school if you try to solve geometry problems if you get stuck you might need to add new points and line and it will help connect many other details and then you can solve it.

Sẽ yêu cầu mô hình ngôn ngữ neural gợi ý một số điểm và đường như thể bạn làm giống như khi bạn ở trường trung học hoặc trung học cơ sở nếu bạn cố gắng giải các bài toán hình học nếu bạn bị mắc kẹt bạn có thể cần thêm điểm và đường mới và nó sẽ giúp kết nối nhiều chi tiết khác và sau đó bạn có thể giải quyết nó.

8:57

The second idea is the synthetic data generation at scale.

Ý tưởng thứ hai là tạo dữ liệu tổng hợp ở quy mô lớn.

9:00

So we were also quite inspired by human process.

Vậy chúng tôi cũng khá lấy cảm hứng từ quá trình của con người.

9:03

So human when we learn geometry we often take a you know a paper a piece of paper and a pen we try to draw different diagrams and we learn different properties about these different diagrams.

Vậy con người khi chúng ta học hình học chúng ta thường lấy bạn biết đấy một tờ giấy một mảnh giấy và một cây bút chúng ta cố gắng vẽ các sơ đồ khác nhau và chúng ta học các tính chất khác nhau về các sơ đồ khác nhau này.

9:15

So this is like knowledge building process similar to humans and um alpha geometry actually in the for the problem in the year 2015

Vậy đây giống như quá trình xây dựng kiến thức tương tự như con người và ừm alpha geometry thực sự trong đối với vấn đề vào năm 2015

9:24

it can solve two problem two geometry problem perfectly so actually equivalent to getting the bronze medal but as quark said right you know like at every year I there's either one geometry problem or two geometry problems so because we did so well at the uh for geometry so then like this year only there's only one geometry problem which cause problem to a lot of teams because there's harder

Nó có thể giải quyết hai vấn đề hai vấn đề hình học một cách hoàn hảo vậy thực sự tương đương với việc giành huy chương đồng nhưng như quark đã nói đúng không bạn biết đấy như mỗi năm tôi có hoặc một vấn đề hình học hoặc hai vấn đề hình học vậy vì chúng tôi đã làm rất tốt tại uh đối với hình học vậy sau đó như năm nay chỉ có chỉ có một vấn đề hình học điều này gây vấn đề cho nhiều đội vì có vấn đề khó hơn

9:47

problem for other categories.

Vấn đề cho các hạng mục khác.

9:48

So if you look at here, this is one example of how alpha job solve a problem like 109 steps is a super long proof.

Vậy nếu bạn nhìn ở đây đây là một ví dụ về cách alpha job giải quyết một vấn đề như 109 bước là một chứng minh siêu dài.

9:56

It does a few things like you know a step 26 it know that like there's like a few point on the same circle.

Nó làm một vài điều như bạn biết đấy bước 26 nó biết rằng như có như một vài điểm trên cùng một đường tròn.

10:03

So if you did if you know math these are like the all circle or the npoint circle very famous but to a computer it didn't quite understand it

Vậy nếu bạn đã làm nếu bạn biết toán đây là như tất cả đường tròn hoặc đường tròn n điểm rất nổi tiếng nhưng đối với một máy tính nó không hiểu lắm

10:13

just solve this problem but it can actually use very basic rule to solve it just like secondary school so last year December I went back to my high school uh for Tom and I showed the solution to my high school teacher Dr.

Chỉ giải quyết vấn đề này nhưng nó thực sự có thể sử dụng quy tắc rất cơ bản để giải quyết nó giống như trung học vậy tháng Mười Hai năm ngoái tôi đã trở lại trường trung học của tôi uh cho Tom và tôi đã cho giáo viên trung học của tôi Tiến sĩ xem giải pháp.

10:28

back engine there.

Back engine ở đó.

10:30

So he look at the solution, he actually quite impressed but he actually not satisfying.

Vậy nên khi anh ấy nhìn vào lời giải, anh ấy thực sự khá ấn tượng nhưng thực ra anh ấy không hài lòng.

10:35

He think that the solution actually lacks some soul.

Anh ấy nghĩ rằng lời giải thực sự thiếu một chút linh hồn.

10:38

Vậy nên

10:39

whenever we he look at his soul problem, he really want to see the big picture.

Mỗi khi chúng ta... anh ấy nhìn vào vấn đề tâm hồn của mình, anh ấy thực sự muốn thấy bức tranh lớn.

10:44

You know he want to make sure everything connect.

Bạn biết đấy, anh ấy muốn đảm bảo mọi thứ kết nối với nhau.

10:46

He want an elegant proof.

Anh ấy muốn một chứng minh thanh lịch.

10:48

This is something that uh we haven't been able to do it yet.

Đây là điều mà chúng tôi vẫn chưa thể làm được.

10:52

we only able to solve a problem a hard problem but we're not able yet to find an elegant solution the beauty the beautiful solution so I think this can

Chúng tôi chỉ có thể giải một bài toán khó nhưng chúng tôi chưa thể tìm ra một lời giải thanh lịch, lời giải đẹp đẽ, nên tôi nghĩ điều này có thể

11:02

also be something that in the future or actually maybe this year or something like that you know people can further improve on and um this is the solution that uh Dr.

Cũng có thể là điều gì đó trong tương lai hoặc thực ra có thể là năm nay hay đại loại thế, bạn biết đấy, mọi người có thể cải thiện thêm và ừm đây là lời giải mà Tiến sĩ

11:12

the chin lay to me.

The chin lay cho tôi.

11:14

So he handwritten the solution.

Vậy nên anh ấy đã viết tay lời giải.

11:16

He using something more advanced called inversive geometry and it only took him like 20 steps.

Anh ấy sử dụng một thứ gì đó tiên tiến hơn gọi là hình học nghịch đảo và chỉ mất khoảng 20 bước.

11:21

So fast forward six month later in July 2024 I think Quark already told

Vậy nên tua nhanh sáu tháng sau vào tháng 7 năm 2024, tôi nghĩ Quark đã nói với

11:26

you um we have new alpha geomed 2 which can solve this problem in 19 seconds.

Bạn rằng chúng tôi có alpha geomed 2 mới có thể giải bài toán này trong 19 giây.

11:33

Basically you just blink of an eye maybe a long blink of an eye and it finish the solution.

Cơ bản là bạn chỉ cần chớp mắt, có thể là một cái chớp mắt dài, và nó hoàn thành lời giải.

11:42

- applause - So the problem actually asking us to prove that the two blue angles sum together into 180° and the red colors is the point E is what alpha geometry suggested as an additional point to draw.

- [vỗ tay] - Vậy nên bài toán thực ra yêu cầu chúng ta chứng minh rằng hai góc màu xanh cộng lại thành 180° và màu đỏ là điểm E, đó là điểm mà alpha geometry đề xuất vẽ thêm.

11:58

So it suggested to connect the line B I with the circle around L and then get the point E.

Vậy nên nó đề xuất nối đường thẳng B I với đường tròn quanh L và sau đó lấy điểm E.

12:06

So when we first have this solution, our expert look at the solution, they don't quite understand

Vậy nên khi chúng tôi lần đầu có lời giải này, chuyên gia của chúng tôi nhìn vào lời giải, họ không hiểu lắm

12:14

why it does that because there's a different way that you can do the extra points.

Tại sao nó làm như vậy vì có một cách khác để bạn có thể thêm các điểm phụ.

12:18

For example, you can like uh connect some of the lines here, you get a new point that is more natural to human.

Ví dụ, bạn có thể nối một số đường ở đây, bạn có một điểm mới tự nhiên hơn với con người.

12:25

So they don't quite understand at first, but then after looking carefully at the solution, actually everything connect together.

Vậy nên ban đầu họ không hiểu lắm, nhưng sau khi nhìn kỹ vào lời giải, thực ra mọi thứ kết nối với nhau.

12:31

It create a few similar triangle that actually

Nó tạo ra một vài tam giác đồng dạng mà thực ra

12:34

eventually make purpose for the point L.

Cuối cùng tạo mục đích cho điểm L.

12:37

So I felt like this is not quite but blows to like you know move six move 37 of alpha girl where it actually creates something that actually not intuitive to human at first but turns out to be a quite nice thing and um we got silver medalist level at IMO 24th alpha geometry 2 and alpha proof I'm not going to the detail of this one but um I want to say a few thing um through that

Vậy nên tôi cảm thấy điều này không hẳn nhưng giống như bạn biết đấy, nước đi 6, nước đi 37 của alpha girl, nơi nó thực sự tạo ra thứ gì đó ban đầu không trực quan với con người nhưng hóa ra lại khá hay và ừm chúng tôi đạt trình độ huy chương bạc tại IMO lần thứ 24 với alpha geometry 2 và alpha proof, tôi sẽ không đi vào chi tiết cái này nhưng ừm tôi muốn nói vài điều ừm qua

13:03

process that's intense six month from January July we really build a superhuman reasoning team at Google.

Quá trình đó, sáu tháng căng thẳng từ tháng 1 đến tháng 7, chúng tôi thực sự xây dựng một đội suy luận siêu phàm tại Google.

13:09

So this is a p photos uh in the New York Time last month and this is on uh day one of the IM 24th.

Vậy nên đây là một bức ảnh ừm trên New York Times tháng trước và đây là vào ừm ngày đầu tiên của IM lần thứ 24.

13:19

So we wake woke up at 5:00 a.m.

Vậy nên chúng tôi thức dậy lúc 5 giờ sáng.

13:23

everyone walk me everyone into the room 5:00 a.m.

Mọi người đưa tôi, mọi người vào phòng lúc 5 giờ sáng.

13:28

to get the problem and start solving it.

Để nhận bài toán và bắt đầu giải nó.

13:31

We make quite some progress.

Chúng tôi đạt được khá nhiều tiến bộ.

13:32

I can't share more but we make quite some good progress.

Tôi không thể chia sẻ thêm nhưng chúng tôi đạt được tiến bộ khá tốt.

13:36

Um I think it was an uh amazing effort and uh with a lot of help from a lot of people across Google and and an intense six month of work.

Ừm tôi nghĩ đó là một nỗ lực đáng kinh ngạc và ừm với rất nhiều sự giúp đỡ từ nhiều người khắp Google và sáu tháng làm việc căng thẳng.

13:45

But I want to make a quick transition here.

Nhưng tôi muốn chuyển tiếp nhanh ở đây.

13:48

So I want to ask a question.

Vậy nên tôi muốn hỏi một câu hỏi.

13:51

What does it mean for Vietnam?

Điều đó có ý nghĩa gì với Việt Nam?

13:52

So uh maybe let's do some symbol counting.

Vậy nên ừm có lẽ hãy đếm một chút biểu tượng.

13:55

Um you know January 224th

Ừm bạn biết đấy, ngày 22 tháng 1

13:57

we have three Vietnamese.

Chúng tôi có ba người Việt Nam.

13:58

This is on the New York Time for Alpha Geometry.

Đây là trên New York Times cho Alpha Geometry.

14:01

So true pork and uh me myself in front of Google latest building where you would find Jeff Pork there, me myself there.

Vậy nên true pork và ừm bản thân tôi trước tòa nhà mới nhất của Google, nơi bạn sẽ tìm thấy Jeff Pork ở đó, bản thân tôi ở đó.

14:10

What's that?

Đó là gì?

14:12

- Gradient canopy.

- Tán gradient.

14:13

That's it.

Đúng rồi.

14:15

So six month later we have a few Vietnamese here.

Vậy nên sáu tháng sau chúng tôi có một vài người Việt Nam ở đây.

14:21

Can anyone guess how many Vietnamese are there?

Ai có thể đoán có bao nhiêu người Việt Nam ở đó?

14:25

Five.

Năm.

14:26

Six.

Sáu.

14:27

Three.

Ba.

14:27

Same tree.

Cùng cây.

14:28

And then so five, six, and three.

Và sau đó là năm, sáu, và ba.

14:33

So let's see.

Vậy hãy xem nào.

14:34

They incorrect.

Họ không chính xác.

14:35

That is four.

Đó là bốn.

14:36

So there are four Vietnamese.

Vậy có bốn người Việt Nam.

14:38

There's one more person hitting somewhere there.

Có thêm một người nữa đang ở đâu đó.

14:40

Hang wing that uh he's intern under my team.

Hang wing, người mà anh ấy là thực tập sinh dưới nhóm của tôi.

14:44

So um I'm actually really proud of, you know, of course I proud of the whole team, but also like, you know, um I'm also passionate about empowering Vietnamese.

Vậy ừm, thực sự tôi rất tự hào, bạn biết đấy, tất nhiên tôi tự hào về cả nhóm, nhưng cũng như, bạn biết đấy, ừm, tôi cũng đam mê việc trao quyền cho người Việt Nam.

14:54

When I I see PE Vietnamese students success succeed, I'm also very happy and I think um Vietnamese student love maths.

Khi tôi thấy sinh viên Việt Nam thành công, tôi cũng rất vui và tôi nghĩ ừm sinh viên Việt Nam yêu toán học.

15:02

They

Họ

15:03

love I think math is in their DNA.

Yêu, tôi nghĩ toán học nằm trong DNA của họ.

15:05

Perhaps they love maths.

Có lẽ họ yêu toán học.

15:06

Yeah.

Đúng vậy.

15:06

So um I think they can I think they can do well um they did very well anomaly at the matt Olympia and I think they can they will do well in AI if they given um the right environments which is what I want I have been doing for new touring institute formerly beat AI um five years ago I don't teach myself but I actually try to coach other people to do the

Vậy ừm tôi nghĩ họ có thể, tôi nghĩ họ có thể làm tốt, ừm họ đã làm rất tốt ở Olympic toán học và tôi nghĩ họ có thể, họ sẽ làm tốt trong AI nếu được trao ừm môi trường phù hợp, đó là điều tôi muốn, tôi đã làm cho viện new touring trước đây là beat AI ừm năm năm trước, tôi không tự dạy nhưng tôi thực sự cố gắng huấn luyện người khác để

15:32

teaching so they do all the teaching on the ground before covid and then online after of it and it connect different expert uh different Vietnamese expert across the world.

Giảng dạy, vậy họ làm tất cả việc giảng dạy trực tiếp trước covid và sau đó trực tuyến sau đó và nó kết nối các chuyên gia khác nhau ừm các chuyên gia Việt Nam khác nhau trên khắp thế giới.

15:42

So you see in this in today lunch uh some of you might have seen like we have people from different Silicon Valley companies.

Vậy bạn thấy trong bữa trưa hôm nay ừm một số bạn có thể đã thấy như chúng tôi có người từ các công ty khác nhau ở Thung lũng Silicon.

15:51

So I really hope that um there are more Vietnamese who work on superhuman reasoning.

Vậy tôi thực sự hy vọng rằng ừm có nhiều người Việt Nam hơn làm việc về lý luận siêu phàm.

15:57

Um well welcome to our teams applause and um with that I want to close it up.

Ừm chào mừng đến với nhóm của chúng tôi [vỗ tay] và ừm với điều đó tôi muốn kết thúc.

16:04

So I think uh my main viewpoint is we should move beyond the imitation touring test.

Vậy tôi nghĩ ừm quan điểm chính của tôi là chúng ta nên vượt qua bài kiểm tra Turing bắt chước.

16:09

We should go toward discovery math test because I think uh that's really push us hard to because when we try to solve very hard problem we think beyond we think beyond the existing techniques.

Chúng ta nên hướng tới bài kiểm tra toán khám phá vì tôi nghĩ ừm điều đó thực sự thúc đẩy chúng ta mạnh mẽ vì khi chúng ta cố gắng giải quyết vấn đề rất khó, chúng ta nghĩ xa hơn, chúng ta nghĩ vượt ra ngoài các kỹ thuật hiện có.

16:21

For example like a lot of people when they benchmark existing last language model they only focus on like

Ví dụ như nhiều người khi họ đánh giá mô hình ngôn ngữ cuối cùng hiện có, họ chỉ tập trung vào việc

16:28

you know getting the right answer the final answer correctly.

Bạn biết đấy, nhận được câu trả lời đúng, câu trả lời cuối cùng một cách chính xác.

16:31

But that actually might give you the wrong reasoning.

Nhưng điều đó thực sự có thể cho bạn lý luận sai.

16:33

The the model can just say random things and eventually say, "Oh, this is the answer." So I want to go beyond that which is why I work on IMO problems.

Mô hình có thể chỉ nói những điều ngẫu nhiên và cuối cùng nói, "Ồ, đây là câu trả lời." Vậy tôi muốn vượt qua điều đó, đó là lý do tôi làm việc về các bài toán IMO.

16:43

These are really hard.

Những bài này thực sự khó.

16:44

You have to solve you have to get the whole reasoning trace correctly.

Bạn phải giải, bạn phải có toàn bộ dấu vết lý luận một cách chính xác.

16:49

And I even hope that as we develop techniques, general technique that can solve these math hard map problems, we can then go beyond it can concur other subjects like physics etc.

Và tôi thậm chí hy vọng rằng khi chúng ta phát triển các kỹ thuật, kỹ thuật tổng quát có thể giải quyết những bài toán khó này, chúng ta có thể vượt xa hơn, nó có thể chinh phục các môn học khác như vật lý, v.v.

17:00

And also it can you know help us to solve new unsolved problem millennium prize problem.

Và nó cũng có thể, bạn biết đấy, giúp chúng ta giải quyết vấn đề mới chưa được giải quyết, vấn đề giải thưởng thiên niên kỷ.

17:05

It's like a new calculator for us to explore science you know understand the universe and uh you know

Nó giống như một máy tính mới cho chúng ta khám phá khoa học, bạn biết đấy, hiểu vũ trụ và ừm bạn biết đấy

17:12

we can go from math to superhuman reasoning and AGI.

Chúng ta có thể đi từ toán học đến lý luận siêu phàm và AGI.

17:16

So with that I'm done with my talk.

Vậy với điều đó tôi kết thúc bài nói của mình.

17:18

Thank you.

Cảm ơn.

17:19

applause You know make our work faster.

[vỗ tay] Bạn biết đấy, làm cho công việc của chúng ta nhanh hơn.

17:22

But uh actually that question gave me a lot of thinking and uh you know and uh

Nhưng ừm thực sự câu hỏi đó đã cho tôi rất nhiều suy nghĩ và ừm bạn biết đấy và ừm

Transcript

Hiển thị

From Math Olympiad to AI

Lương Minh Thắng traces his path from competitive mathematics in high school to a career in artificial intelligence. He credits his former teacher, a famous Vietnamese mathematician, with inspiring his early passion for elegant problem solving.

Lương Minh Thắng kể lại hành trình từ toán học thi đấu ở trường trung học đến sự nghiệp trí tuệ nhân tạo. Anh ghi công cho giáo viên cũ của mình, một nhà toán học Việt Nam nổi tiếng, đã truyền cảm hứng cho niềm đam mê giải toán thanh lịch thuở ban đầu.

All right, good afternoon everyone.

Được rồi, chào buổi chiều mọi người.

Um, I'm not going to talk of technical details though.

Ừm, tôi sẽ không nói về chi tiết kỹ thuật đâu.

I think uh Jeff Quark uh D have talked a lot of technical details.

Tôi nghĩ là Jeff Quark và D đã nói rất nhiều về chi tiết kỹ thuật rồi.

So I'm more I'm more on the side.

Nên tôi thiên về khía cạnh khác hơn.

I'm going to tell you some story some journey uh through uh math and AI through which I hope to connect uh the main subject that we talked during the the panel which is superhuman reasoning.

So uh my match journey started with a legend who glorified Vietnam 45 years ago.

Vậy hành trình toán học của tôi bắt đầu với một huyền thoại đã làm rạng danh Việt Nam 45 năm trước.

Um I'm guessing people might know who that is.

Ừm, tôi đoán mọi người có thể biết đó là ai.

Um Dr.

Ừm, Tiến sĩ.

Lelay Bakhen.

So he's my high school teacher.

Ông ấy là giáo viên cấp ba của tôi.

So during high school I did like full-time Matt Olympiad.

Trong suốt thời cấp ba, tôi học như toàn thời gian cho Olympic Toán.

I almost got to the IMO.

Tôi suýt được vào IMO.

So I was ranked number eight.

Tôi được xếp hạng thứ tám.

I got the silver but only nationally but didn't get to the top.

Tôi giành huy chương bạc nhưng chỉ ở cấp quốc gia, không lọt vào top đầu.

But I was pass so fascinate about Olympic math.

Nhưng tôi bị cuốn hút một cách say mê bởi toán Olympic.

And Dr.

Và Tiến sĩ.

Leakin, he's the one in 1979, 45 years ago in London.

Leakin, ông ấy là người vào năm 1979, 45 năm trước ở London.

He saw problem number three, which is a hard problem in geometry.

Ông ấy nhìn thấy bài toán số ba, một bài toán hình học khó.

And his solution is much more elegant than the organizer solution.

Và lời giải của ông ấy thanh thoát hơn nhiều so với lời giải của ban tổ chức.

Because of that, he got he got a special prize.

Nhờ đó, ông ấy nhận được một giải thưởng đặc biệt.

I can also give you a little bit of like what is this problem about.

Tôi cũng có thể kể cho các bạn một chút về bài toán này.

So the two circle they intersect at point A and then you have two point like m1 and m2 they travel at the same velocity.

Hai đường tròn cắt nhau tại điểm A, rồi bạn có hai điểm như m1 và m2 di chuyển với cùng vận tốc.

The story was I didn't get to the IMO so I was sad.

Câu chuyện là tôi không được vào IMO nên tôi buồn.

So I switched to AI.

Nên tôi chuyển sang AI.

Um and then I continue AI for 20 years.

Ừm, và rồi tôi tiếp tục với AI trong 20 năm.

I didn't do math much.

Tôi không làm toán nhiều nữa.

I I did like deep learning for translation.

Tôi làm học sâu cho dịch thuật.

Uh with Quark I learned a lot from Quark in audio.

Ừm, với Quark, tôi học được rất nhiều về âm thanh.

I have intern at Google.

Tôi từng thực tập ở Google.

So I defend my thesis.

Rồi tôi bảo vệ luận án.

I work on deep learning neural machine translation and also then I work at uh Google brand.

Tôi làm về dịch máy nơ-ron học sâu, và sau đó tôi làm ở Google brand.

So this is the picture of my favorite.

Đây là bức ảnh tôi thích nhất.

I always show this picture to a lot of people.

Tôi luôn cho rất nhiều người xem bức ảnh này.

So, laughter so this is a US holiday.

Vậy, [tiếng cười] đây là một ngày lễ của Mỹ.

I don't know why all of three of us are on in the office that day.

Tôi không biết tại sao cả ba chúng tôi lại ở văn phòng vào ngày hôm đó.

I don't know.

Tôi không biết nữa.

There must be a reason.

Chắc phải có lý do gì đó.

I was single.

Tôi khi đó còn độc thân.

I don't know.

Tôi không biết nữa.

laughter Um, fast forward seven years later, just a few days ago, we on Daang.

[tiếng cười] Ừm, tua nhanh bảy năm sau, chỉ vài ngày trước, chúng tôi ở Đà Nẵng.

So, welcome Jeff to Vietnam.

Vậy, chào mừng Jeff đến Việt Nam.

Um only well great to be uh you here and um we took the picture again.

Ừm, thật tuyệt khi có bạn ở đây, và ừm, chúng tôi chụp lại bức ảnh.

I think we have aged I guess.

Tôi nghĩ chúng tôi đã già đi rồi.

Um so back to neurom machine translation.

Ừm, quay lại với dịch máy nơ-ron.

So the improvement were astonishing.

Sự cải thiện thật đáng kinh ngạc.

at that time actually Vina can tell jokes you know we're just like doing some random talk like we ask like I like cows and say I heard they go to college and then we asked a cow go to college.

I heard a cow went to Harvard and then we asked for like what did the cow study?

Tôi nghe nói một con bò vào Harvard, rồi chúng tôi hỏi con bò học ngành gì?

It said like bovine sciences and then do horses go to Harvard?

Nó nói giống như khoa học bò rồi sau đó ngựa có vào Harvard không?

Say horses go to HT.

Nói ngựa vào HT.

So it was just an amazing conversation.

Vậy đó chỉ là một cuộc trò chuyện tuyệt vời.

1 / 6