0:00

1:45:03

AI Is Making Coding Cheap. Here's What Matters Now

Perfology Clips·1:45:03·Technology·B2

Chương · 12

Chương 1·The Golden Age of AI Building

Hiển thị

Tiếng ViệtAuto-scroll

0:04

What I want to do today is um chat to you about career advice in AI.

Điều tôi muốn làm hôm nay là trò chuyện với các bạn về lời khuyên nghề nghiệp trong lĩnh vực AI.

0:08

And um in previous years I used to do most of this you know lecture by myself.

Và trong những năm trước, tôi thường tự mình giảng dạy phần lớn nội dung này.

0:14

But what I thought I'd do today is um I'll share just a few thoughts and then hand it over to my good friend Lawrence Moroni who I invited to uh speaker and kindly agreed to come all the way to San Francisco.

Nhưng điều tôi nghĩ mình sẽ làm hôm nay là chia sẻ một vài suy nghĩ, sau đó chuyển sang cho người bạn tốt Lawrence Moroni, người tôi đã mời làm diễn giả và anh ấy đã tử tế đồng ý đến tận San Francisco.

0:27

just lives in Seattle uh to

Anh ấy sống ở Seattle, đến để

0:29

share with us a very broad market landscape for what he's seeing in the job market as well as tips for um career growing a career in AI.

chia sẻ với chúng ta bức tranh thị trường rất rộng lớn về những gì anh ấy thấy trong thị trường việc làm cũng như các mẹo để phát triển sự nghiệp trong AI.

0:38

But there were just um two slides and then one more thought I want to share with you before I hand it over to Lawrence which is um it really feels like the best opportunity the best time ever to be building with AI and to building a career in AI.

Nhưng chỉ có hai slide thôi và thêm một suy nghĩ nữa tôi muốn chia sẻ với các bạn trước khi chuyển sang cho Lawrence, đó là thực sự cảm thấy đây là cơ hội tốt nhất, thời điểm tốt nhất từ trước đến nay để xây dựng với AI và xây dựng sự nghiệp trong AI.

0:55

A few

Một vài

0:56

months ago, I know that in social media, traditional media, there are a few questions about, you know, is AI slowing down, right?

tháng trước, tôi biết rằng trên mạng xã hội, truyền thông truyền thống, có một vài câu hỏi về việc liệu AI có đang chậm lại không, đúng không?

1:03

I people saying, well, is GP5 that good?

Mọi người nói rằng, liệu GP5 có tốt đến vậy không?

1:06

I think it's actually pretty good, but there are questions about is AI progress slowing down?

Tôi nghĩ nó thực sự khá tốt, nhưng có những câu hỏi về việc liệu tiến bộ AI có đang chậm lại không?

1:11

And I think part of the reason the question was even raised was because if a benchmark for AI is, you know, 100% is

Và tôi nghĩ một phần lý do câu hỏi này được đặt ra là vì nếu một benchmark cho AI là 100% là

1:19

perfect answers, then if you make rapid progress, at some point you cannot get above 100% accuracy.

câu trả lời hoàn hảo, thì nếu bạn tiến bộ nhanh chóng, đến một lúc nào đó bạn không thể vượt qua độ chính xác 100%.

1:25

But um one of the studies that most influenced my thinking was work done by uh this organization MER meter that studied as time passes how complex are the tasks that AI could do as measured by how long it takes a human to do that task.

Nhưng một trong những nghiên cứu ảnh hưởng nhất đến suy nghĩ của tôi là công trình của tổ chức MER meter, nghiên cứu rằng khi thời gian trôi qua, các nhiệm vụ mà AI có thể làm phức tạp đến mức nào, được đo bằng thời gian con người cần để làm nhiệm vụ đó.

1:44

So few years ago maybe GBD2 could do tasks that

Vậy vài năm trước, có lẽ GBD2 có thể làm các nhiệm vụ mà

1:48

a human could do in like you know a couple seconds and then they could do tasks that took a human 4 seconds then 8 seconds then like a you know a minute 2 minutes 4 minutes and so on and the study estimates that the length of task AI can do is doubling every seven months.

con người có thể làm trong khoảng vài giây, rồi chúng có thể làm các nhiệm vụ mà con người mất 4 giây, rồi 8 giây, rồi khoảng một phút, 2 phút, 4 phút, v.v. và nghiên cứu ước tính rằng độ dài nhiệm vụ AI có thể làm đang tăng gấp đôi mỗi bảy tháng.

2:06

Um and I think on this metric I feel you know optimistic that AI will continue making progress meaning the

Và tôi nghĩ với chỉ số này, tôi cảm thấy lạc quan rằng AI sẽ tiếp tục tiến bộ, nghĩa là

2:13

complexity of task as measured by how long a human takes to do something is doubling rapidly and same study with smaller data set seems to same study argued that AI coding um the doubling time is even shorter maybe like 70 days so this code that used to take me you know I don't know 10 minutes to write then 20 minutes to write 40 minutes to Right.

độ phức tạp của nhiệm vụ, được đo bằng thời gian con người cần để làm điều gì đó, đang tăng gấp đôi nhanh chóng và cùng nghiên cứu với tập dữ liệu nhỏ hơn dường như lập luận rằng AI coding có thời gian tăng gấp đôi thậm chí còn ngắn hơn, có lẽ khoảng 70 ngày, vậy code mà trước đây tôi mất, tôi không biết, 10 phút để viết, rồi 20 phút, 40 phút. Đúng.

2:35

And AI could do more and more of

Và AI có thể làm ngày càng nhiều hơn

2:38

that.

điều đó.

2:38

And so the reasons I think this is a golden age to be building best time we've ever seen is um maybe two themes which are more powerful and faster.

Và vậy lý do tôi nghĩ đây là thời kỳ hoàng kim để xây dựng, thời điểm tốt nhất chúng ta từng thấy, là có lẽ hai chủ đề: mạnh mẽ hơn và nhanh hơn.

2:48

So we can all of you in this room can now write software that is more powerful than what anyone on the planet could have built you know like a year ago.

Vậy tất cả các bạn trong phòng này giờ có thể viết phần mềm mạnh mẽ hơn những gì bất kỳ ai trên hành tinh có thể xây dựng, bạn biết đấy, như một năm trước.

2:58

Um by using AI building blocks.

Bằng cách sử dụng các khối xây dựng AI.

3:00

AI building blocks include large language models,

Các khối xây dựng AI bao gồm các mô hình ngôn ngữ lớn,

3:03

rack, agent workflows, voice AI, and of course deep learning.

Rack, quy trình tác nhân, AI giọng nói, và tất nhiên là học sâu.

3:05

It turns out that a lot of LMS have a decent at least basic understanding of deep learning.

Hóa ra nhiều LMS có hiểu biết cơ bản ít nhất là khá tốt về học sâu.

3:11

So if you ever prompt one of the frontier models to implement a cutting edge neuronet network for you like pro try prompting it to you know implement a transform network for you is actually not bad at helping you use these

Vậy nếu bạn từng nhắc một trong các mô hình tiên tiến triển khai một mạng nơ-ron tiên tiến cho bạn, như thử nhắc nó triển khai một mạng transform cho bạn, nó thực sự không tệ trong việc giúp bạn sử dụng những

3:23

building blocks to build software quickly.

khối xây dựng này để xây dựng phần mềm nhanh chóng.

3:24

Um and and so we have very powerful building blocks that were very difficult or did not exist a year or two ago.

Và vậy chúng ta có những khối xây dựng rất mạnh mẽ mà rất khó hoặc không tồn tại một hai năm trước.

3:32

And so you can now build software that does things that no one else on the planet, right?

Và vậy bạn giờ có thể xây dựng phần mềm làm những điều mà không ai khác trên hành tinh, đúng không?

3:37

Even the most advanced teams of planet could have done.

Ngay cả những đội tiên tiến nhất trên hành tinh cũng có thể đã làm.

3:41

And then also with um uh AI coding, the speed with which you can get software

Và sau đó cũng với AI coding, tốc độ bạn có thể có phần mềm

3:46

written is much faster than ever before.

được viết nhanh hơn nhiều so với trước đây.

3:49

And I personally found it is important to stay on the frontier of tools because the tools for AI coding changes right I don't know really rapidly.

Và cá nhân tôi thấy điều quan trọng là phải theo sát biên giới của các công cụ vì các công cụ cho AI coding thay đổi, đúng không, tôi không biết, thực sự rất nhanh.

3:58

So I feel like um uh you know since several months ago my personal number one favorite too became cloud code um moving on from some early generations I think uh and then I think um since the release of GPD5 I think open eye codeex has actually made

Vậy tôi cảm thấy như, bạn biết đấy, từ vài tháng trước, công cụ yêu thích số một cá nhân của tôi trở thành cloud code, chuyển từ một số thế hệ đầu tiên, tôi nghĩ vậy, và sau đó tôi nghĩ từ khi phát hành GPD5, tôi nghĩ open eye codeex thực sự đã có

4:16

tremendous progress and this morning Gemini 3 was released which you know haven't had time to play over it yet just this morning right seems like another huge leap forward so I feel like if you ask me every 3 months what my personal favorite coding tool is.

tiến bộ to lớn và sáng nay Gemini 3 đã được phát hành, mà bạn biết đấy, chưa có thời gian để thử qua, chỉ sáng nay thôi, có vẻ như một bước nhảy vọt lớn khác, vậy tôi cảm thấy nếu bạn hỏi tôi mỗi 3 tháng công cụ coding yêu thích cá nhân của tôi là gì.

4:30

It actually probably changes definitely every six months, but quite possibly every 3 months.

Nó thực sự có lẽ thay đổi chắc chắn mỗi sáu tháng, nhưng khá có thể mỗi 3 tháng.

4:35

And I find that um being

Và tôi thấy rằng việc

4:37

half a generation behind in these tools means being frankly quite a bit less productive.

chậm nửa thế hệ trong các công cụ này nghĩa là thực sự kém năng suất hơn khá nhiều.

4:41

And I know everyone says AI is moving so fast or engineered so fast but AI coding tools of all the sectors in AI many things maybe don't move as fast as the hype says it does but AI coding tools is one sector where I see the pace of progress is tremendous and staying at the latest

Và tôi biết mọi người nói AI đang di chuyển rất nhanh hoặc được thiết kế rất nhanh nhưng các công cụ AI coding trong tất cả các lĩnh vực của AI, nhiều thứ có lẽ không di chuyển nhanh như hype nói, nhưng các công cụ AI coding là một lĩnh vực mà tôi thấy tốc độ tiến bộ là to lớn và việc ở lại với

4:58

generation of tools rather than half generation behind um makes you more productive and with our ability to build more powerful software and build it much faster than ever before.

thế hệ công cụ mới nhất thay vì chậm nửa thế hệ giúp bạn năng suất hơn và với khả năng xây dựng phần mềm mạnh mẽ hơn và xây dựng nó nhanh hơn nhiều so với trước đây.

5:08

I think one piece of advice that I give now much more strongly now than even a year ago or two years ago is just go and build stuff right take classes from Stanford take online courses and additionally

Tôi nghĩ một lời khuyên mà tôi đưa ra giờ mạnh mẽ hơn nhiều so với thậm chí một hai năm trước là cứ đi và xây dựng mọi thứ, đúng vậy, hãy tham gia các lớp học từ Stanford, tham gia các khóa học trực tuyến và thêm vào đó

5:22

your opportunity to build things and I think Lauren's going to talk about showing them to others is greater than ever before but there's one weird implication of this that um is maybe not is still I don't know more and more people are appreciating but not widely known which is the product management bottleneck which is that when it is increasingly easy to go from a clearly

cơ hội của bạn để xây dựng mọi thứ và tôi nghĩ Lauren sẽ nói về việc cho người khác thấy chúng là lớn hơn bao giờ hết nhưng có một hàm ý kỳ lạ của điều này mà có lẽ không phải là vẫn, tôi không biết, ngày càng nhiều người đang đánh giá cao nhưng không được biết rộng rãi, đó là nút thắt quản lý sản phẩm, tức là khi việc đi từ một đặc tả phần mềm được viết rõ ràng

5:44

written software spec to a piece of code, then the bottleneck increasingly is deciding what to build or increasingly writing that clear spec for what you actually want to build.

đến một đoạn code ngày càng dễ dàng, thì nút thắt ngày càng là việc quyết định xây dựng gì hoặc ngày càng là việc viết đặc tả rõ ràng cho những gì bạn thực sự muốn xây dựng.

5:53

When I'm building software, I often think of going through a loop where we'll write some software, write some code, show it to users to get user feedback.

Khi tôi xây dựng phần mềm, tôi thường nghĩ đến việc đi qua một vòng lặp nơi chúng ta sẽ viết một số phần mềm, viết một số code, cho người dùng xem để nhận phản hồi từ người dùng.

6:02

I think of this as a PM or product management

Tôi nghĩ về điều này như công việc PM hoặc quản lý sản phẩm

6:06

work and then based on the user feedback I'll you know revise my view on what users like what they don't like this UI is too difficult they want this feature they don't want that feature and uh change my conception of what to build and then go around this loop many times to hopefully iterate toward a product that users love and because of AI coding the process of building software has

và sau đó dựa trên phản hồi của người dùng, tôi sẽ, bạn biết đấy, sửa đổi quan điểm của mình về những gì người dùng thích, những gì họ không thích, UI này quá khó, họ muốn tính năng này, họ không muốn tính năng kia và thay đổi quan niệm của tôi về những gì cần xây dựng và sau đó đi quanh vòng lặp này nhiều lần để hy vọng lặp lại tiến tới một sản phẩm mà người dùng yêu thích và vì AI coding, quá trình xây dựng phần mềm đã

6:28

become much cheaper and much faster than before but that ironically shifts the bottleneck to deciding what to build.

trở nên rẻ hơn nhiều và nhanh hơn nhiều so với trước đây nhưng điều đó trớ trêu thay lại chuyển nút thắt sang việc quyết định xây dựng gì.

6:35

Um so um some weird trends I'm seeing in Silicon Valley and in many tech companies people have often talked about a engineer to product manager engine to PM ratio and you know you take these ratios a grain of salt because they're kind of very over the place but you hear

Vậy nên một số xu hướng kỳ lạ tôi thấy ở Thung lũng Silicon và trong nhiều công ty công nghệ, mọi người thường nói về tỷ lệ kỹ sư trên quản lý sản phẩm, kỹ sư trên PM và bạn biết đấy, bạn nên coi những tỷ lệ này với chút hoài nghi vì chúng khá là lung tung nhưng bạn nghe

6:56

companies talk about agm ratio of like 4:1 or 7:1 or 8:1 this idea that one product manager writing product specs can keep you know like four to eight or some number like that engine is busy but because engineering is speeding up whereas product management is not sped up as far as much by AI as engineering um I'm seeing the end to PM ratio trending downwards maybe even two or one

các công ty nói về tỷ lệ agm như 4:1 hoặc 7:1 hoặc 8:1, ý tưởng rằng một quản lý sản phẩm viết đặc tả sản phẩm có thể giữ cho, bạn biết đấy, bốn đến tám hoặc một số nào đó kỹ sư bận rộn nhưng vì kỹ thuật đang tăng tốc trong khi quản lý sản phẩm không được AI tăng tốc nhiều như kỹ thuật, tôi thấy tỷ lệ kỹ sư trên PM đang có xu hướng giảm xuống, có lẽ thậm chí hai trên một

7:22

to one right so some teams I work with the proposed head counts was like 1 PM to one engineer which is a ratio unlike almost all Silicon Valley so the traditional Silicon Valley companies and the other thing I'm seeing is that um engineers that can also shape products can move really fast where you go one step further take the engineer take the PM and collapse them into a single human

trên một, đúng vậy, một số đội tôi làm việc cùng có đề xuất số lượng nhân sự là 1 PM trên một kỹ sư, một tỷ lệ không giống gần như tất cả Thung lũng Silicon, các công ty Thung lũng Silicon truyền thống và điều khác tôi thấy là những kỹ sư cũng có thể định hình sản phẩm có thể di chuyển rất nhanh, nơi bạn đi thêm một bước, lấy kỹ sư, lấy PM và gộp chúng vào một con người duy nhất

7:48

and I find that um uh they're definitely engineers that like doing engineering work that you know don't enjoy talking to users and having that more human empathetic side of work but I'm finding increasingly that the subset of engineers that learn to talk to users get feedback develop deep empath empathy for users so that they can make decisions about what to build.

Và tôi thấy rằng ừm, họ chắc chắn là những kỹ sư thích làm công việc kỹ thuật mà bạn biết đấy, không thích nói chuyện với người dùng và có khía cạnh công việc mang tính con người, đồng cảm hơn. Nhưng tôi ngày càng nhận thấy rằng tập hợp con các kỹ sư học cách nói chuyện với người dùng, nhận phản hồi, phát triển sự đồng cảm sâu sắc với người dùng để họ có thể đưa ra quyết định về những gì cần xây dựng.

8:09

Those

Những

8:10

engineers also the fastest moving people that I'm seeing um in Silicon Valley today.

Kỹ sư đó cũng là những người di chuyển nhanh nhất mà tôi thấy ừm ở Thung lũng Silicon ngày nay.

8:14

And I I I feel like um at the earliest stage of my career, one thing I regretted for years was um in one of the roles I had, I went to try to convince a bunch of engineers to do more product work.

Và tôi cảm thấy như ừm ở giai đoạn sớm nhất của sự nghiệp, một điều tôi hối tiếc trong nhiều năm là ừm trong một trong những vai trò tôi từng đảm nhiệm, tôi đã cố gắng thuyết phục một nhóm kỹ sư làm nhiều công việc sản phẩm hơn.

8:28

And I actually made a bunch of really good engineers feel bad for not being good product managers.

Và tôi thực sự đã khiến một nhóm kỹ sư thực sự giỏi cảm thấy tồi tệ vì không phải là những quản lý sản phẩm giỏi.

8:34

And that

Và đó

8:35

was a mistake I made.

Là sai lầm tôi đã mắc phải.

8:36

Regretted that for years.

Hối tiếc về điều đó trong nhiều năm.

8:37

I just shouldn't have done that.

Tôi lẽ ra không nên làm điều đó.

8:39

And part of me feels like I'm now going back to repeat that exact same mistake.

Và một phần trong tôi cảm thấy như thể tôi đang quay lại lặp lại chính xác sai lầm đó.

8:44

Um, having said that, I find that um, uh, the fact that, you know, I can write code, but also talk to users to shape what to do that lets me and the engineers that can do this go much faster.

Ừm, đã nói vậy, tôi thấy rằng ừm, ờ, thực tế là, bạn biết đấy, tôi có thể viết mã, nhưng cũng có thể nói chuyện với người dùng để định hình những gì cần làm, điều đó cho phép tôi và các kỹ sư có thể làm điều này tiến nhanh hơn nhiều.

8:55

So, I think it may be worth taking another look at whether engineers can um, do a bit more of this work.

Vì vậy, tôi nghĩ có thể đáng để xem xét lại liệu các kỹ sư có thể ừm, làm thêm một chút công việc này không.

9:01

uh because then if you're not waiting for someone else to take the product to

Ờ bởi vì khi đó nếu bạn không chờ đợi người khác đưa sản phẩm đến

9:06

customers, you just write code, have a gut for what to do next and iterate, that pace, that velocity of execution is much faster.

Khách hàng, bạn chỉ viết mã, có trực giác về những gì cần làm tiếp theo và lặp lại, tốc độ đó, vận tốc thực thi đó nhanh hơn nhiều.

9:14

And then before I hand over to Lawrence, um just one one last thing I want to share which is uh in terms of navigating your career, I think one of the most strong predictors for your speed of learning and for your level of success is the people you surround yourself with.

Và trước khi tôi chuyển sang Lawrence, ừm chỉ một điều cuối cùng tôi muốn chia sẻ, đó là ờ về việc định hướng sự nghiệp của bạn, tôi nghĩ một trong những yếu tố dự báo mạnh mẽ nhất cho tốc độ học hỏi và mức độ thành công của bạn là những người bạn bao quanh mình.

9:31

I think we're all social creatures.

Tôi nghĩ tất cả chúng ta đều là sinh vật xã hội.

9:33

We all learn from people around us.

Tất cả chúng ta đều học từ những người xung quanh.

9:35

And um it turns out that uh

Và ừm hóa ra là ờ

9:38

it turns out there you know studies in sociology that show that right if your five closest friends are smokers the odds of you being a smoker is pretty much high.

Hóa ra có những nghiên cứu xã hội học cho thấy rằng đúng vậy, nếu năm người bạn thân nhất của bạn hút thuốc thì khả năng bạn hút thuốc là khá cao.

9:46

Please don't smoke.

Xin đừng hút thuốc.

9:47

Right.

Đúng vậy.

9:48

Well just just a example.

Chỉ là một ví dụ thôi.

9:49

Um I don't know of any studies showing that if your five or 10 closest friends are really hardworking determined people you know learning quickly trying to make the world a better place of AI that you are more likely to do that too.

Ừm tôi không biết có nghiên cứu nào cho thấy rằng nếu năm hoặc mười người bạn thân nhất của bạn là những người thực sự chăm chỉ, quyết tâm, bạn biết đấy, học hỏi nhanh chóng, cố gắng làm cho thế giới trở thành một nơi tốt đẹp hơn nhờ AI thì bạn cũng có nhiều khả năng làm điều đó.

10:02

But it's one of those things that I think is almost certainly true.

Nhưng đó là một trong những điều mà tôi nghĩ gần như chắc chắn là đúng.

10:06

So all of us are inspired by the people around us and

Vì vậy tất cả chúng ta đều được truyền cảm hứng từ những người xung quanh và

10:10

we're able to find a good group of people to work with that helps drive you forward.

Chúng ta có thể tìm được một nhóm người tốt để làm việc cùng, điều đó giúp thúc đẩy bạn tiến về phía trước.

10:15

Um in fact here at Stanford I feel very fortunate right the fantastic student body fantastic group of faculty.

Ừm thực tế tại Stanford này tôi cảm thấy rất may mắn, đúng vậy, sinh viên tuyệt vời, đội ngũ giảng viên tuyệt vời.

10:22

Um and then the other thing that I I think we're fortunate to have at Stanford is a connective tissue.

Ừm và điều khác mà tôi nghĩ chúng ta may mắn có được tại Stanford là một mô liên kết.

10:28

So you know candidly a lot of the um people working at a lot of the cutting edge AI labs the frontier labs they were former students of a lot of different Stanford faculty and so that rich connective tissue you know candidly means that at Stanford we often find out about a lot

Vì vậy bạn biết đấy, thẳng thắn mà nói, nhiều người ừm làm việc tại nhiều phòng thí nghiệm AI tiên tiến, các phòng thí nghiệm biên giới, họ từng là sinh viên của nhiều giảng viên Stanford khác nhau, và vì vậy mô liên kết phong phú đó, thẳng thắn mà nói, có nghĩa là tại Stanford chúng tôi thường phát hiện ra rất nhiều

10:46

of stuff that's not widely known because of the relationships the friendships and when some company does something you know one of my friends in the faculty will call up someone the company say hey that's weird does this really work And then so that re rich connected tissue means that um we're all just as we try to pull our friends forward our friends also pull us forward with the knowledge

Thứ không được biết đến rộng rãi nhờ các mối quan hệ, tình bạn, và khi một công ty nào đó làm điều gì đó, bạn biết đấy, một trong những người bạn của tôi trong đội ngũ giảng viên sẽ gọi cho ai đó ở công ty và nói này điều đó lạ đấy, điều này có thực sự hiệu quả không. Và vì vậy mô liên kết phong phú đó có nghĩa là ừm tất cả chúng ta, khi chúng ta cố gắng kéo bạn bè mình tiến lên, bạn bè cũng kéo chúng ta tiến lên với kiến thức

11:06

and the connected tissue and this knowhow of um bleeding which unfortunately is not all published on the internet at this moment in time.

Và mô liên kết cùng bí quyết ừm đang chảy máu mà thật không may không phải tất cả đều được công bố trên internet vào thời điểm này.

11:15

though.

Mặc dù vậy.

11:15

So I think while you're at Stanford um make those friends form that rich connective tissue and there have been a lot of times that just for myself where frankly I was thinking of going in some technical direction I'd have you know one or two phone calls with someone right close to research either a Sanford researcher or someone in the frontier lab they would share something with me

Vì vậy tôi nghĩ khi bạn còn ở Stanford ừm hãy kết bạn, tạo nên mô liên kết phong phú đó, và đã có nhiều lần chỉ riêng tôi, thẳng thắn mà nói, tôi đang nghĩ đến việc đi theo một hướng kỹ thuật nào đó, tôi sẽ có một hoặc hai cuộc gọi với ai đó gần gũi với nghiên cứu, hoặc một nhà nghiên cứu Stanford hoặc ai đó trong phòng thí nghiệm biên giới, họ sẽ chia sẻ với tôi điều gì đó

11:36

right that I didn't know before and that changes the way I tech choose the technical architecture of a project.

Đúng vậy mà tôi chưa biết trước đây và điều đó thay đổi cách tôi chọn kiến trúc kỹ thuật của một dự án.

11:41

So I find that group of friends you surround yourself with, those little pieces of information, try this, don't do that, that's just hype.

Vì vậy tôi thấy rằng nhóm bạn bè mà bạn bao quanh mình, những mẩu thông tin nhỏ đó, thử cái này, đừng làm cái kia, đó chỉ là cường điệu.

11:48

Ignore the PR, you know, don't don't actually try that thing.

Bỏ qua PR, bạn biết đấy, đừng thực sự thử điều đó.

11:51

Those things um make a big difference in your ability to to

Những điều đó ừm tạo ra sự khác biệt lớn trong khả năng của bạn để

11:55

steer the direction of your projects.

Điều hướng hướng đi của các dự án của bạn.

11:56

So So while you're at Stanford, take advantage of that.

Vì vậy khi bạn còn ở Stanford, hãy tận dụng điều đó.

11:59

This connective tissue that Stanford has is actually really unique.

Mô liên kết mà Stanford có thực sự rất độc đáo.

12:02

There are lots of great universities in the world, but at this moment in time, I don't think there's any uh I don't want to sound like I'm doing PR for Stanford now, but I really think there's no university in

Có rất nhiều trường đại học tuyệt vời trên thế giới, nhưng vào thời điểm này, tôi không nghĩ có bất kỳ ờ tôi không muốn nghe như thể tôi đang làm PR cho Stanford bây giờ, nhưng tôi thực sự nghĩ không có trường đại học nào trên

12:13

the world that is uh as privileged as Stanford at this moment in time in terms of the richness of the connective tissue to all of the leading um uh AI groups.

Thế giới ờ đặc quyền như Stanford vào thời điểm này về mức độ phong phú của mô liên kết với tất cả các nhóm AI hàng đầu ừm ờ.

12:23

Um but to me that's also that we're lucky here to have a wonderful community of people to work with and learn from.

Ừm nhưng với tôi điều đó cũng có nghĩa là chúng ta may mắn ở đây có một cộng đồng tuyệt vời để làm việc cùng và học hỏi.

12:30

And for you too, if you uh apply for jobs, the thing that is much more important for your career

Và với bạn nữa, nếu bạn ờ ứng tuyển việc làm, điều quan trọng hơn nhiều cho sự nghiệp của bạn

12:37

success would be if you go to a company, it'll be the people you work with day-to-day, right?

Thành công sẽ là nếu bạn đến một công ty, đó sẽ là những người bạn làm việc hàng ngày, đúng không?

12:42

Um so I here's one story that um uh that I've told in previous classes I repeat, which is uh there's a Stanford student that I knew this was many years ago that um I knew and they did really good work at Stanford.

Ừm vì vậy đây là một câu chuyện mà ừm ờ tôi đã kể trong các lớp trước, tôi nhắc lại, đó là ờ có một sinh viên Stanford mà tôi biết, chuyện này nhiều năm trước, ừm tôi biết và họ đã làm việc rất tốt tại Stanford.

12:55

I thought they were a highf flyier and they applied for a job at the

Tôi nghĩ họ là một người bay cao và họ ứng tuyển vào một công việc tại

13:00

company and they got a job offer from one of the companies with, you know, a hot AI brand.

Công ty và họ nhận được lời đề nghị làm việc từ một trong những công ty với, bạn biết đấy, một thương hiệu AI hot.

13:06

Um, this company refused to tell him which team he would join.

Ừm, công ty này từ chối nói cho anh ấy biết anh ấy sẽ tham gia nhóm nào.

13:11

They said, "Oh, come sign up for a job.

Họ nói, "Ồ, đến đăng ký một công việc đi.

13:13

There's a rotation system, matching system, blah blah.

Có một hệ thống luân chuyển, hệ thống ghép cặp, vân vân.

13:15

Sign up the dotted line first then, you know, we'll figure out what's a good project for you." Um, partly because, you know, it was a good company, right?

Cứ ký vào đường chấm trước đã, rồi sau đó, bạn biết đấy, chúng ta sẽ tìm ra dự án nào phù hợp cho bạn." Ừm, một phần là vì, bạn biết đấy, đó là một công ty tốt, đúng không?

13:24

His parents are proud of him for getting a job at this company.

Bố mẹ cậu ấy tự hào vì cậu ấy có được việc làm tại công ty này.

13:28

This student joined this company hoping to work on exciting AI project and after he signed on dotted

Sinh viên này gia nhập công ty với hy vọng được làm dự án AI thú vị và sau khi cậu ấy ký vào đường chấm

13:34

line he was assigned to work on the backend Java payment processing system of the company.

thì cậu ấy được phân công làm hệ thống xử lý thanh toán Java backend của công ty.

13:38

Nothing against anyone that wants to do Java backend payment processing systems.

Không có ý gì chống lại những người muốn làm hệ thống xử lý thanh toán Java backend cả.

13:42

I think they're great but this was AI students that did not get matched to an AI project.

Tôi nghĩ chúng rất tuyệt, nhưng đây là sinh viên AI mà lại không được ghép vào một dự án AI.

13:47

And so uh for about a year he was really frustrated and he actually left this company after about a year.

Và thế là, ừm, trong khoảng một năm cậu ấy thực sự thất vọng và cậu ấy đã rời công ty này sau khoảng một năm.

13:54

The unfortunate thing is I told this story in CS230 some years back and then um uh after I was already telling the story in this class, a couple years later, another student uh in CSU30 went through the same experience with the same company, not Java back and payment processing, but a different project.

Điều đáng tiếc là tôi đã kể câu chuyện này trong CS230 vài năm trước, rồi sau đó, ừm, sau khi tôi đã kể câu chuyện này trong lớp này, vài năm sau, một sinh viên khác trong CS230 đã trải qua trải nghiệm tương tự với cùng công ty đó, không phải Java backend và xử lý thanh toán, mà là một dự án khác.

14:16

And I think this effect of um trying to figure out who you'll be actually

Và tôi nghĩ hiệu ứng này của việc cố gắng tìm ra bạn thực sự sẽ

14:22

working with day-to-day and making sure you're surrounded by people that inspire you and work on exciting projects, I think that's important.

làm việc cùng ai hàng ngày và đảm bảo bạn được bao quanh bởi những người truyền cảm hứng cho bạn và làm những dự án thú vị, tôi nghĩ điều đó quan trọng.

14:28

And if you're completely candid, if a company refuses to tell you what team you'll be assigned to, you know, that that does raise a question in my mind, right?

Và nếu bạn hoàn toàn thẳng thắn, nếu một công ty từ chối cho bạn biết bạn sẽ được phân vào nhóm nào, bạn biết đấy, điều đó thực sự làm tôi đặt câu hỏi, đúng không?

14:37

Uh of whether or not, you know, what will happen.

Ừm, liệu có hay không, bạn biết đấy, điều gì sẽ xảy ra.

14:40

Um, and I think that um, instead

Ừm, và tôi nghĩ rằng ừm, thay vì

14:42

of working for the company with the hottest brand, sometimes if you find a really good team with really, you know, hardworking, knowledgeable, smart people trying to do good with AI, but the company logo just isn't as hot.

làm việc cho công ty có thương hiệu hot nhất, đôi khi nếu bạn tìm được một nhóm thực sự giỏi với những người thực sự, bạn biết đấy, chăm chỉ, hiểu biết, thông minh đang cố gắng làm điều tốt với AI, nhưng logo công ty lại không hot bằng.

14:54

I think that often means you actually learn faster and progress your career better.

Tôi nghĩ điều đó thường có nghĩa là bạn thực sự học nhanh hơn và phát triển sự nghiệp tốt hơn.

14:59

Uh, because it is, after all, we don't learn from the, you know, excitement of the company logo when you walk through the door.

Ừm, vì suy cho cùng, chúng ta không học từ, bạn biết đấy, sự phấn khích của logo công ty khi bạn bước qua cửa.

15:07

You learn from the people you deal with dayto-day.

Bạn học từ những người bạn tiếp xúc hàng ngày.

15:10

So I just urge you to use that as a as a huge criteria um for your selection process for what you decide to do, right?

Nên tôi chỉ khuyên bạn hãy dùng đó như một tiêu chí cực kỳ quan trọng, ừm, cho quá trình lựa chọn của bạn về việc bạn quyết định làm gì, đúng không?

15:19

Um and uh I think um and and then uh but I think number one uh on my advice is

Ừm và ừm tôi nghĩ ừm và rồi ừm nhưng tôi nghĩ điều số một, ừm, trong lời khuyên của tôi là

15:26

it's become much easier than ever before to build powerful software faster.

Việc xây dựng phần mềm mạnh mẽ nhanh hơn bao giờ hết đã trở nên dễ dàng hơn nhiều so với trước đây.

15:30

And what that means is um do be responsible.

Và điều đó có nghĩa là ừm hãy có trách nhiệm.

15:33

Don't build software that hurts others.

Đừng xây dựng phần mềm gây hại cho người khác.

15:36

uh and at the same time there are so many things that each of you can build and what I find is the number of ideas out in the world is much greater the number of people with the skill to build them so I know that finding jobs has gotten tougher for fresh college grads at the same time a lot of teams you know we just can't find enough skilled people right uh and so there are a lot of

Ừm và đồng thời có rất nhiều thứ mà mỗi người trong các bạn có thể xây dựng và điều tôi nhận thấy là số lượng ý tưởng trên thế giới lớn hơn nhiều so với số người có kỹ năng để xây dựng chúng, nên tôi biết rằng việc tìm việc đã trở nên khó khăn hơn đối với sinh viên mới tốt nghiệp, đồng thời rất nhiều nhóm, bạn biết đấy, chúng tôi chỉ không thể tìm đủ người có kỹ năng, đúng không, ừm và thế là có rất nhiều

15:56

projects in the world that if you don't build it I think no one else will build it either uh so you don't need to so long as you don't harm others you know to be responsible possible.

dự án trên thế giới mà nếu bạn không xây dựng nó thì tôi nghĩ cũng chẳng ai khác xây dựng nó đâu, ừm nên bạn không cần phải, miễn là bạn không gây hại cho người khác, bạn biết đấy, hãy có trách nhiệm nhất có thể.

16:05

There a lot of things that you don't need to wait for permission.

Có rất nhiều thứ mà bạn không cần phải chờ sự cho phép.

16:08

You don't need to wait for someone else to do it first and then you do it.

Bạn không cần phải chờ người khác làm trước rồi bạn mới làm.

16:12

Um the cost of a failure is much lower than before because you

Ừm, cái giá của thất bại thấp hơn nhiều so với trước đây vì bạn

16:16

waste a weekend but learn something.

mất một cuối tuần nhưng học được điều gì đó.

16:18

That seems fine to me.

Điều đó có vẻ ổn với tôi.

16:19

So I think so long as you're being responsible going for it, trying things out um and building lots of things would be the number one most important thing I think would help your careers.

Nên tôi nghĩ miễn là bạn có trách nhiệm, cứ dấn thân, thử nghiệm mọi thứ, ừm và xây dựng nhiều thứ, đó sẽ là điều quan trọng nhất, tôi nghĩ sẽ giúp ích cho sự nghiệp của bạn.

16:30

Um, and uh, yeah, I think I think uh, I'm going to say one last thing that is um, considered not politically correct in some circles.

Ừm, và ừm, vâng, tôi nghĩ tôi nghĩ ừm, tôi sẽ nói một điều cuối cùng, đó là ừm, được coi là không đúng chuẩn chính trị trong một số giới.

16:39

Uh, but I'll just say

Ừm, nhưng tôi cứ nói

16:41

it anyway, which is in some circles it has become considered not politically correct to encourage others to work hard.

dù sao đi nữa, đó là trong một số giới, việc khuyến khích người khác làm việc chăm chỉ đã trở nên bị coi là không đúng chuẩn chính trị.

16:47

I'm going to encourage you to work hard.

Tôi sẽ khuyến khích các bạn làm việc chăm chỉ.

16:50

Now I think the reason some people don't like that is because there are some people they're in a phase of life where they're not in a position to work hard.

Giờ tôi nghĩ lý do một số người không thích điều đó là vì có những người đang ở giai đoạn cuộc đời mà họ không ở vị thế có thể làm việc chăm chỉ.

17:00

So right after my children were born I was not working hard you know for

Ví dụ, ngay sau khi các con tôi chào đời, tôi đã không làm việc chăm chỉ, bạn biết đấy, trong

17:05

a short period of time right uh and there are people because of a injury disability you know whatever very valid reasons they're not in a position to work hard at that moment in time and we should respect them support them make sure they're well taken care of even though they're not working hard.

một khoảng thời gian ngắn, đúng vậy, ừm và có những người vì chấn thương, khuyết tật, bạn biết đấy, bất kể lý do rất chính đáng nào, họ không ở vị thế có thể làm việc chăm chỉ vào thời điểm đó và chúng ta nên tôn trọng họ, hỗ trợ họ, đảm bảo họ được chăm sóc tốt ngay cả khi họ không làm việc chăm chỉ.

17:20

Having said that, all of my, you know, say PhD students that became very successful, I

Dù vậy, tất cả các sinh viên PhD của tôi, bạn biết đấy, những người đã thành công rực rỡ, tôi

17:25

saw every single one of them work incredibly hard.

đều thấy từng người một trong số họ làm việc vô cùng chăm chỉ.

17:26

I mean, the 2 a.m.

Ý tôi là, 2 giờ sáng.

17:28

sitting up hyperparameter tuning, you know, been there, done that, right?

Ngồi dậy tinh chỉnh siêu tham số, bạn biết đấy, tôi đã từng trải qua, đúng không?

17:32

Still doing it some days.

Vẫn còn làm điều đó vào một số ngày.

17:33

Uh, and if you are fortunate enough to be in a position in life where you can work really hard, um, there are so many opportunities to do things right now.

Ừm, và nếu bạn đủ may mắn ở vị thế trong cuộc sống mà bạn có thể làm việc thực sự chăm chỉ, ừm, có rất nhiều cơ hội để làm mọi thứ ngay bây giờ.

17:42

Um, if you get excited as I do, spending evenings and weekends coding and building stuff and getting user feedback, you know, if you lean in and do those things, it will increase your odds of being really

Ừm, nếu bạn thấy hào hứng như tôi, dành buổi tối và cuối tuần để viết code và xây dựng mọi thứ và nhận phản hồi từ người dùng, bạn biết đấy, nếu bạn dấn thân và làm những điều đó, nó sẽ tăng khả năng bạn thực sự

17:54

successful.

thành công.

17:54

So, I don't know, maybe I get in some trouble with some people encourage you to work hard, but I find that uh the truth is people that work hard get a lot more done.

Nên, tôi không biết, có thể tôi sẽ gặp rắc rối với một số người vì khuyến khích các bạn làm việc chăm chỉ, nhưng tôi thấy rằng ừm sự thật là những người làm việc chăm chỉ hoàn thành được nhiều thứ hơn.

18:04

We should also respect people that don't and people that aren't in a position to do so.

Chúng ta cũng nên tôn trọng những người không làm vậy và những người không ở vị thế có thể làm vậy.

18:09

But um uh you know between watching some dumb TV show versus finding your agentic coder on a weekend to try something.

Nhưng ừm ừm bạn biết đấy, giữa việc xem một chương trình TV ngớ ngẩn nào đó với việc tìm agentic coder của bạn vào cuối tuần để thử điều gì đó.

18:15

I'm

Tôi

18:16

going to choose the latter almost every time, right?

Hầu như lúc nào cũng sẽ chọn cái sau, đúng không?

18:18

Unless I watch a show with my kids.

Trừ khi tôi xem một chương trình với các con tôi.

18:20

Sometimes I do that.

Đôi khi tôi làm vậy.

18:21

But you mean but just you know uh beside I I hope you do that.

Nhưng ý bạn là chỉ là bạn biết đấy, ngoài ra tôi... tôi hy vọng bạn làm điều đó.

18:25

Uh and uh all right.

Ừ và ừ, được rồi.

18:27

So that was the main things I want to say.

Vậy đó là những điều chính tôi muốn nói.

18:29

Um what I want to do is uh hand the stage over to my good friend Lawrence Moroni um who who share um a lot more about career advice on AI.

Điều tôi muốn làm là chuyển sân khấu cho người bạn tốt của tôi, Lawrence Moroni, người sẽ chia sẻ nhiều hơn về lời khuyên nghề nghiệp trong lĩnh vực AI.

18:38

May just quick intro know Lawrence for a long time.

Có thể chỉ giới thiệu nhanh, tôi biết Lawrence đã lâu rồi.

18:41

Um he's done a lot of online education work sometimes with me and my teams.

Anh ấy đã làm rất nhiều công việc giáo dục trực tuyến, đôi khi với tôi và nhóm của tôi.

18:45

Taught a lot of people tensorflow taught a lot of people pietorch.

Đã dạy rất nhiều người về TensorFlow, dạy rất nhiều người về PyTorch.

18:48

He was

Anh ấy từng là

18:49

lead AI advocates at Google for many years.

Trưởng nhóm ủng hộ AI tại Google trong nhiều năm.

18:51

Now runs a group at ARM.

Hiện đang điều hành một nhóm tại ARM.

18:53

Um I've also enjoyed quite a few of his books.

Tôi cũng đã thích khá nhiều cuốn sách của anh ấy.

18:56

This is one of them.

Đây là một trong số đó.

18:57

He recently also published a new book on PieTorch.

Gần đây anh ấy cũng đã xuất bản một cuốn sách mới về PyTorch.

19:00

This is an excellent book introduction to PyTorch and uh is a very sought-after speakers in many circles.

Đây là một cuốn sách tuyệt vời giới thiệu về PyTorch và anh ấy là một diễn giả rất được săn đón trong nhiều giới.

19:05

So I was very grateful when he agreed to come speak to us.

Vì vậy tôi rất biết ơn khi anh ấy đồng ý đến nói chuyện với chúng tôi.

19:08

So - pleasures all mine.

Vậy - vinh hạnh cho tôi.

19:10

I just want to reinforce something that Andrew was talking about earlier on about choosing the people that you work with being very

Tôi chỉ muốn nhấn mạnh một điều mà Andrew đã nói trước đó về việc chọn những người bạn làm việc cùng là rất

19:17

important.

Quan trọng.

19:17

But I also want to show that like from the other way around that the company when they're interviewing you are also choosing you.

Nhưng tôi cũng muốn chỉ ra rằng từ phía ngược lại, công ty khi phỏng vấn bạn cũng đang chọn bạn.

19:23

And the good companies really want to choose the people that they work with also.

Và những công ty tốt thực sự cũng muốn chọn những người họ làm việc cùng.

19:27

And I've been doing a lot of mentoring of young people over the last particularly over the last 18 months who are hunting for careers for themselves.

Và tôi đã làm rất nhiều công việc cố vấn cho người trẻ trong thời gian qua, đặc biệt là trong 18 tháng gần đây, những người đang tìm kiếm sự nghiệp cho bản thân.

19:35

And I want

Và tôi muốn

19:36

to tell the story of one young man and this uh this guy very well educated, great experience, super elite coder.

Kể câu chuyện về một chàng trai trẻ và anh chàng này rất được giáo dục tốt, kinh nghiệm tuyệt vời, lập trình viên siêu đẳng cấp.

19:42

Um he could do every challenge that was in front of him.

Anh ấy có thể giải quyết mọi thử thách đặt ra trước mắt.

19:46

And he got laid off from his job in April.

Và anh ấy bị sa thải khỏi công việc vào tháng Tư.

19:50

He worked in medical software and the medical software business has been changing drastically.

Anh ấy làm việc trong lĩnh vực phần mềm y tế và ngành phần mềm y tế đã thay đổi mạnh mẽ.

19:54

Funding has been cut by the federal government in a number of areas and he got laid off from

Nguồn tài trợ đã bị chính phủ liên bang cắt giảm ở một số lĩnh vực và anh ấy bị sa thải khỏi

20:01

his job.

Công việc của mình.

20:01

And with his experience, with his ability, with his skills, all of these kind of things, he thought that it would be very easy for him to find another job.

Và với kinh nghiệm, khả năng, kỹ năng của mình, tất cả những điều đó, anh ấy nghĩ rằng sẽ rất dễ để tìm được một công việc khác.

20:08

And the poor young guy had a really terrible April.

Và chàng trai trẻ tội nghiệp đã có một tháng Tư thực sự khủng khiếp.

20:10

Like he got laid off from his job in April.

Như thể anh ấy bị sa thải khỏi công việc vào tháng Tư.

20:13

Immediately before that, his girlfriend had broken up with him.

Ngay trước đó, bạn gái anh ấy đã chia tay với anh ấy.

20:15

And then a couple of weeks later, his dog died.

Và rồi vài tuần sau, con chó của anh ấy chết.

20:18

So he was not in a good place.

Vậy nên anh ấy không ở trong tình trạng tốt.

20:20

And so I sat down with him after a couple of months and took a look and he had a spreadsheet of jobs that he was applying to and he had over 300 jobs that he was tracking in the spreadsheet.

Và tôi đã ngồi xuống với anh ấy sau vài tháng và xem xét, anh ấy có một bảng tính các công việc anh ấy đang ứng tuyển và anh ấy đã theo dõi hơn 300 công việc trong bảng tính đó.

20:30

And in a number of these jobs, he actually got into the

Và ở một số công việc này, anh ấy thực sự đã vào được

20:34

interview process and he went very deep in the interview process with companies like Meta.

Quy trình phỏng vấn và anh ấy đã đi rất sâu trong quy trình phỏng vấn với các công ty như Meta.

20:39

Um, uh, who else?

Ừ, ừ, còn ai nữa?

20:41

Not Google.

Không phải Google.

20:42

was Meta, there was Microsoft, there was one of the other large tech companies where you do like lots and lots of interview loops.

Là Meta, có Microsoft, có một trong những công ty công nghệ lớn khác nơi bạn phải trải qua rất nhiều vòng phỏng vấn.

20:48

And every time towards the end of the loop, he knew he did a great loop.

Và mỗi lần đến gần cuối vòng, anh ấy biết mình đã làm rất tốt.

20:52

He solved all the coding.

Anh ấy giải quyết tất cả các bài coding.

20:53

He had great conversations with the people or at least he thought he had.

Anh ấy có những cuộc trò chuyện tuyệt vời với mọi người hoặc ít nhất anh ấy nghĩ vậy.

20:57

And then every time within a day, the recruiter would call him and say, "No, you didn't

Và rồi mỗi lần trong vòng một ngày, nhà tuyển dụng sẽ gọi cho anh ấy và nói, "Không, bạn đã không

21:02

get the job." And it was like it was it was heartbreaking.

Được nhận." Và nó như thể... thật đau lòng.

21:05

And like I said, 300 plus jobs he had been tracking.

Và như tôi đã nói, hơn 300 công việc anh ấy đã theo dõi.

21:09

So, I started working with him to kind of do some mock interviews and to do some fine-tuning.

Vậy nên tôi bắt đầu làm việc với anh ấy để thực hiện một số buổi phỏng vấn thử và tinh chỉnh một số thứ.

21:15

Um, oh, it was uh it was Jeff Bezos company, not Amazon.

Ừm, ồ, đó là công ty của Jeff Bezos, không phải Amazon.

21:18

Um, that was one of the other big tech company that he'd interviewed with.

Ừm, đó là một trong những công ty công nghệ lớn khác mà anh ấy đã phỏng vấn.

21:21

And I started like working through him and doing some test interviews and all this kind of thing with him.

Và tôi bắt đầu làm việc thông qua anh ấy và thực hiện một số buổi phỏng vấn thử và tất cả những thứ này với anh ấy.

21:27

And terrific, terrific candidate.

Và một ứng viên tuyệt vời, tuyệt vời.

21:28

Couldn't figure out what was going wrong until I decided to try and do a different sort of interview where I

Không thể hiểu được điều gì đã sai cho đến khi tôi quyết định thử thực hiện một kiểu phỏng vấn khác, nơi tôi

21:34

gave him a really tough interview.

Đã cho anh ấy một buổi phỏng vấn thực sự khó khăn.

21:36

I gave him some tough lead code.

Tôi đã cho anh ấy một số bài code khó.

21:38

I gave him some really obscure corner cases in his coding and I saw how he reacted and how he reacted was the advice that was given to him in the recruiting pamphlets.

Tôi đã cho anh ấy một số trường hợp góc rất ít gặp trong code của anh ấy và tôi thấy cách anh ấy phản ứng và cách anh ấy phản ứng chính là lời khuyên được đưa ra cho anh ấy trong các tập sách tuyển dụng.

21:49

And a lot of these recruiting pamphlets will say things like you're going to have an opp you're going to have a an opportunity to share an

Và nhiều tập sách tuyển dụng này sẽ nói những điều như bạn sẽ có cơ hội chia sẻ một

21:58

opinion and you got to stand your ground.

Ý kiến và bạn phải giữ vững lập trường.

21:59

You got to have a backbone.

Bạn phải có bản lĩnh.

22:01

Don't bend.

Đừng nhượng bộ.

22:03

His interpretation of that was to be really tough.

Cách hiểu của anh ấy về điều đó là phải thực sự cứng rắn.

22:05

Right?

Đúng không?

22:06

So I would pick corners in his I would pick holes in his code.

Vì vậy, tôi sẽ chọn các góc trong code của anh ấy, tôi sẽ tìm lỗ hổng trong code của anh ấy.

22:10

I'd pick corner cases where things may not work and I would give him a test of crisis.

Tôi sẽ chọn các trường hợp góc nơi mọi thứ có thể không hoạt động và tôi sẽ cho anh ấy một bài kiểm tra khủng hoảng.

22:15

And this advice that he'd been given to stand his ground ended up making him kind of hostile in these interview environments.

Và lời khuyên này mà anh ấy được đưa ra để giữ vững lập trường cuối cùng đã khiến anh ấy trở nên khá thù địch trong những môi trường phỏng vấn này.

22:22

And I was looking at this then from the point of

Và tôi đã nhìn vào điều này từ quan điểm

22:26

view of what Andrew was just talking about where it's a case of hey good people good teams people that you can work together with.

Về những gì Andrew vừa nói, nơi đó là trường hợp của những người tốt, đội nhóm tốt, những người mà bạn có thể làm việc cùng.

22:33

And from the interviewer perspective, if I'm managing this team, this person is that cliche 10x engineer, but I don't want him anywhere near my team because of this attitude.

Và từ góc độ người phỏng vấn, nếu tôi đang quản lý đội này, người này là kỹ sư 10x sáo rỗng đó, nhưng tôi không muốn anh ta ở gần đội của mình vì thái độ này.

22:43

Um, we worked on that.

Ừm, chúng tôi đã làm việc về điều đó.

22:44

We fine-tuned it.

Chúng tôi đã tinh chỉnh nó.

22:45

And that the strange

Và điều kỳ lạ

22:47

part is he's a really, really nice guy.

Là anh ấy thực sự, thực sự là một người tốt.

22:50

It's just this was the advice he was given and he followed that advice and he failed so many interviews as a result.

Chỉ là đây là lời khuyên anh ấy được đưa ra và anh ấy đã làm theo lời khuyên đó và anh ấy đã thất bại rất nhiều buổi phỏng vấn vì điều đó.

22:56

So when I gave him the next job that he was interviewing at was at a company where teamwork is very highly valued and uh the good news is he got the job at that company he's now working there he doubled his salary from the job he was laid off from and he ended up having like about now he looks back on it he had six months of unemployment um but at the time when he was going

Vì vậy, khi tôi cho anh ấy công việc tiếp theo mà anh ấy đang phỏng vấn là tại một công ty nơi làm việc nhóm được đánh giá rất cao và tin tốt là anh ấy đã nhận được công việc tại công ty đó, hiện anh ấy đang làm việc ở đó, anh ấy đã tăng gấp đôi mức lương so với công việc mà anh ấy bị sa thải và cuối cùng anh ấy đã có khoảng bây giờ anh ấy nhìn lại, anh ấy đã thất nghiệp sáu tháng, nhưng vào thời điểm đó khi anh ấy đang trải qua

23:16

through all of that it was a very difficult time for him.

Tất cả những điều đó, đó là một khoảng thời gian rất khó khăn đối với anh ấy.

23:19

So the flip side of it like if you're looking at a company and looking at the people you'll be working with is very important but also realize they are looking at you in the same way.

Vì vậy, mặt trái của nó, nếu bạn đang xem xét một công ty và nhìn vào những người bạn sẽ làm việc cùng là rất quan trọng, nhưng cũng nhận ra rằng họ cũng đang nhìn bạn theo cách tương tự.

23:28

And so if you've gone to um tech interview coaching and they gave you that advice to stand your ground and have a backbone.

Và vì vậy nếu bạn đã đến huấn luyện phỏng vấn công nghệ và họ đã cho bạn lời khuyên đó để giữ vững lập trường và có bản lĩnh.

23:35

It's good to

Thật tốt khi

23:36

do that but don't be a jerk while you're doing so.

Làm điều đó nhưng đừng là một kẻ ngốc trong khi làm như vậy.

23:38

Can you see my slides?

Bạn có thể thấy slide của tôi không?

23:39

Okay.

Được rồi.

23:40

So I'm Lawrence.

Vậy tôi là Lawrence.

23:41

Um I've been working in tech for more decades than chatp thinks there are ores in strawberry.

Ừm, tôi đã làm việc trong ngành công nghệ nhiều thập kỷ hơn so với chatp nghĩ rằng có quặng trong dâu tây.

23:46

uh and uh so I've worked in many of the big tech companies.

Ừ và ừm, vậy tôi đã làm việc ở nhiều công ty công nghệ lớn.

23:51

I spent many years at Microsoft, spent many years at Google, also worked in uh places like Reuters.

Tôi đã dành nhiều năm tại Microsoft, dành nhiều năm tại Google, cũng làm việc ở những nơi như Reuters.

23:57

I've done a lot of work in startups both in this country and abroad.

Tôi đã làm rất nhiều việc trong các startup cả ở đất nước này và ở nước ngoài.

24:01

And so what I want to really want to talk about today is like to think about what does the career landscape look like today um particularly in AI because um first of all what Andrew said about you're in Stanford you've got the ability to um make use of the networks that you have in Stanford make use of the prestige

Và vậy điều tôi thực sự muốn nói hôm nay là suy nghĩ về việc bối cảnh sự nghiệp ngày nay trông như thế nào, đặc biệt là trong AI vì trước hết những gì Andrew nói về việc bạn đang ở Stanford, bạn có khả năng tận dụng các mạng lưới mà bạn có ở Stanford, tận dụng uy tín

24:19

that you have and I say use every weapon you have because unfortunately the landscape right now is not ideal.

Mà bạn có và tôi nói hãy sử dụng mọi vũ khí bạn có vì thật không may, bối cảnh hiện tại không lý tưởng.

24:24

We've gone through some very difficult times.

Chúng ta đã trải qua một số thời kỳ rất khó khăn.

24:27

All you have to do is look at the news and you can see massive tech layoffs, slowing hiring in tech and lots of stuff like that.

Tất cả những gì bạn phải làm là xem tin tức và bạn có thể thấy sa thải công nghệ lớn, tuyển dụng chậm lại trong công nghệ và nhiều thứ tương tự.

24:34

But it's not necessarily a bad thing um if you do it the right way.

Nhưng nó không nhất thiết là điều xấu nếu bạn làm đúng cách.

24:39

So I want to just have a quick look the job market reality check.

Vậy tôi muốn có một cái nhìn nhanh về thực tế thị trường việc làm.

24:43

Actually out of interest I don't know this is a um are you juniors?

Thực ra vì tò mò, tôi không biết đây là một ừm, các bạn là sinh viên năm ba phải không?

24:48

You're graduating this year or you're graduating next year or what is the general survey?

Bạn tốt nghiệp năm nay hay bạn tốt nghiệp năm sau hay khảo sát chung là gì?

24:53

Your third year of four.

Năm thứ ba của bốn năm.

24:55

Third year of three, I'll say.

Năm thứ ba của ba năm, tôi sẽ nói.

24:57

So, you're going to be graduating coming summer.

Vậy, bạn sẽ tốt nghiệp vào mùa hè tới.

25:00

How many people are already looking for jobs?

Có bao nhiêu người đã đang tìm việc?

25:03

Okay.

Được rồi.

25:03

Quite a few of you.

Khá nhiều người trong số các bạn.

25:05

How many people have had success?

Bao nhiêu người đã thành công?

25:07

Nobody.

Không ai cả.

25:07

Oh, one.

Ồ, một người.

25:07

Okay.

Được rồi.

25:08

Sort of.

Kiểu như vậy.

25:08

Okay, that's good.

Được rồi, tốt lắm.

25:09

So, like you're probably seeing some of these things, the signals out there.

Vậy, có lẽ các bạn đang thấy một số điều trong những thứ này, những tín hiệu ngoài kia.

25:13

Junior hiring slowing significantly.

Việc tuyển dụng nhân sự cấp thấp đang chậm lại đáng kể.

25:14

When I say junior, I mean like graduate level.

Khi tôi nói cấp thấp, ý tôi là trình độ mới tốt nghiệp.

25:17

High-profile layoffs are dominating the headlines.

Những đợt sa thải quy mô lớn đang chiếm sóng các tiêu đề.

25:19

I was at Google a couple of years ago when they had the biggest layoff they'd ever had.

Tôi đã ở Google vài năm trước khi họ có đợt sa thải lớn nhất từ trước đến nay.

25:25

We're seeing layoffs at the likes

Chúng ta đang thấy các đợt sa thải tại những công ty như

25:27

of Amazon, Microsoft, other companies like that.

Amazon, Microsoft, và những công ty tương tự.

25:29

Uh it feels that entrylevel positions are scarce and I'm underlying the word feels there and I want to get into that in a little bit more detail later.

Ừ, có cảm giác rằng các vị trí mới vào nghề đang khan hiếm và tôi nhấn mạnh từ "cảm giác" ở đây và tôi muốn đi sâu vào điều đó chi tiết hơn một chút sau.

25:40

And also competition is fierce.

Và sự cạnh tranh cũng rất khốc liệt.

25:42

But my question is should you worry and I say no because if you can approach things in the right way, if you can approach the job hunting thing in the right way, particularly understanding how rapidly the AI landscape is changing, then I think people with the right mindset will thrive.

Nhưng câu hỏi của tôi là liệu bạn có nên lo lắng không và tôi nói là không, bởi vì nếu bạn có thể tiếp cận mọi thứ theo cách đúng đắn, nếu bạn có thể tiếp cận việc tìm kiếm việc làm theo cách đúng đắn, đặc biệt là hiểu được bối cảnh AI đang thay đổi nhanh chóng như thế nào, thì tôi nghĩ những người có tư duy đúng đắn sẽ phát triển mạnh mẽ.

26:01

So what do I mean by that?

Vậy tôi muốn nói gì qua điều đó?

26:03

So as Andrew had mentioned, the AI hiring landscape is changing because the AI industry is changing, right?

Như Andrew đã đề cập, bối cảnh tuyển dụng AI đang thay đổi vì ngành công nghiệp AI đang thay đổi, đúng không?

26:10

um the AI industry.

Ừm, ngành công nghiệp AI.

26:11

I actually first got involved in AI back way back in 1992.

Tôi thực sự lần đầu tham gia vào AI từ năm 1992.

26:15

Um I worked in it for a little while just before the AI winter.

Ừm, tôi đã làm việc trong đó một thời gian ngắn ngay trước mùa đông AI.

26:20

Everything failed drastically.

Mọi thứ đều thất bại thảm hại.

26:22

Um but I got bitten by the AI bug and then in uh 2015 when Google were launching TensorFlow, I got pulled right back into it.

Ừm, nhưng tôi đã bị con bọ AI cắn và rồi vào năm 2015 khi Google ra mắt TensorFlow, tôi đã bị kéo trở lại ngay.

26:32

Became part of the whole AI boom, launching TensorFlow, advocating TensorFlow to millions of people and seeing the changes that happened.

Trở thành một phần của toàn bộ cơn bùng nổ AI, ra mắt TensorFlow, quảng bá TensorFlow đến hàng triệu người và chứng kiến những thay đổi đã xảy ra.

26:41

But along 2021 2022, we had a global pandemic.

Nhưng trong khoảng năm 2021, 2022, chúng ta có một đại dịch toàn cầu.

26:44

The global pandemic caused a massive industrial slowdown.

Đại dịch toàn cầu gây ra sự suy giảm công nghiệp quy mô lớn.

26:48

This massive

Sự suy giảm công nghiệp quy mô lớn này

26:49

industrial slowdown meant that companies had to start pivoting towards things that drove revenue and directly drove revenue.

khiến các công ty phải bắt đầu chuyển hướng sang những thứ tạo ra doanh thu và trực tiếp tạo ra doanh thu.

26:55

And at Google, TensorFlow was an open source product.

Và tại Google, TensorFlow là một sản phẩm mã nguồn mở.

26:58

It didn't directly drive revenue.

Nó không trực tiếp tạo ra doanh thu.

26:59

We began to scale back.

Chúng tôi bắt đầu thu hẹp lại.

27:01

Every company in the world also scaled back on hiring at this time.

Mọi công ty trên thế giới cũng thu hẹp việc tuyển dụng vào thời điểm này.

27:06

Then we get to about 2022, 2023.

Rồi chúng ta đến khoảng năm 2022, 2023.

27:08

What happens?

Điều gì xảy ra?

27:08

We begin to come out of the global pandemic.

Chúng ta bắt đầu thoát ra khỏi đại dịch toàn cầu.

27:11

We begin to realize all industries have this massive log jam of non-hiring that they had done or hiring that they hadn't done.

Chúng ta bắt đầu nhận ra tất cả các ngành công nghiệp đều có sự tắc nghẽn khổng lồ này về việc không tuyển dụng mà họ đã làm hoặc việc tuyển dụng mà họ đã không làm.

27:19

And we're also entering a time where AI was exploding on the scene thanks to the work of people like Andrew.

Và chúng ta cũng đang bước vào thời điểm mà AI đang bùng nổ trên toàn cảnh nhờ công trình của những người như Andrew.

27:25

The uh the world was pivoting and changing to be AI first in

Thế giới đang chuyển hướng và thay đổi để trở thành AI là trên hết trong

27:30

just about everything.

hầu hết mọi thứ.

27:31

And every company needed to hire like crazy.

Và mọi công ty đều cần tuyển dụng điên cuồng.

27:35

every company then hiring like crazy in 2022 2023 meant that most companies ended up overhiring.

Mọi công ty sau đó tuyển dụng điên cuồng vào năm 2022, 2023 đồng nghĩa với việc hầu hết các công ty cuối cùng đã tuyển dụng quá mức.

27:43

Um so and what that generally meant was people who were not qualified for higher positions usually got higher positions because you had to enter into a bidding war just to be able to get talent.

Ừm, vậy và điều đó thường có nghĩa là những người không đủ trình độ cho các vị trí cao hơn thường nhận được các vị trí cao hơn vì bạn phải tham gia vào cuộc chiến đấu giá chỉ để có thể có được nhân tài.

27:53

You ended up having talent grabs and you ended up having stories like the one Andrew told where it's a case of here's a person with AI talent.

Bạn cuối cùng có những cuộc giành giật nhân tài và bạn có những câu chuyện như câu chuyện Andrew kể, đó là trường hợp đây là một người có tài năng AI.

28:02

Let's grab them.

Hãy tóm lấy họ.

28:03

Let's throw money at them.

Hãy ném tiền vào họ.

28:04

Let's

Hãy

28:05

have them come work for us and then we'll figure out what do we want to do.

để họ đến làm việc cho chúng ta và sau đó chúng ta sẽ tìm ra chúng ta muốn làm gì.

28:08

So, as a result, 2022, 2023, all of this massive overhiring happens because of AI and because of the COVID log jam.

Vì vậy, kết quả là, năm 2022, 2023, tất cả việc tuyển dụng quá mức khổng lồ này xảy ra vì AI và vì sự tắc nghẽn do COVID.

28:15

And then 2024, 2025 is the great wakeup, right?

Và rồi năm 2024, 2025 là sự thức tỉnh lớn, đúng không?

28:17

Where a lot of companies realize this overhiring that they had done.

Nơi nhiều công ty nhận ra việc tuyển dụng quá mức mà họ đã làm.

28:21

They have ended up with a lot of people who are underqualified.

Họ đã kết thúc với rất nhiều người không đủ trình độ.

28:25

Oh, sorry.

Ồ, xin lỗi.

28:26

Yeah, underqualified for the job that they were doing.

Vâng, không đủ trình độ cho công việc mà họ đang làm.

28:29

A lot of people ended up

Nhiều người đã kết thúc

28:31

getting hired just because they had AI on their resume.

Được tuyển dụng chỉ vì họ có AI trên sơ yếu lý lịch.

28:33

And there's a big adjustment going on.

Và có một sự điều chỉnh lớn đang diễn ra.

28:35

And in the light of this big adjustment, show just one second.

Và trong ánh sáng của sự điều chỉnh lớn này, chờ một giây.

28:38

In the light of this big adjustment, oh, you're not seeing my slides.

Trong ánh sáng của sự điều chỉnh lớn này, ồ, bạn không thấy slide của tôi.

28:41

Okay.

Được rồi.

28:41

Uh, and in the light of this big adjustment, there we go.

Ừ, và trong ánh sáng của sự điều chỉnh lớn này, chúng ta đi thôi.

28:44

Uh, I think it's cuz my power uh I'm not plugged into power mains.

Ừ, tôi nghĩ đó là vì nguồn điện của tôi ừ tôi không được cắm vào nguồn điện chính.

28:48

And in the

Và trong

28:49

light of this big adjustment, then what has happened is now a lot of companies are much more cautious about AI skills that they're hiring.

Ánh sáng của sự điều chỉnh lớn này, thì điều đã xảy ra là bây giờ nhiều công ty thận trọng hơn nhiều về các kỹ năng AI mà họ đang tuyển dụng.

28:58

And if you're coming into that with that mindset and understanding that realize opportunity is still there and opportunity is there massively if you approach it strategically.

Và nếu bạn bước vào đó với tư duy đó và hiểu rằng nhận ra cơ hội vẫn còn và cơ hội ở đó rất lớn nếu bạn tiếp cận nó một cách chiến lược.

29:08

So what I want to talk through today is how you can do exactly that.

Vậy điều tôi muốn nói qua hôm nay là cách bạn có thể làm chính xác điều đó.

29:14

So I see three pillars of success in the business world uh and particularly in the AI business world.

Vậy tôi thấy ba trụ cột của thành công trong thế giới kinh doanh ừ và đặc biệt là trong thế giới kinh doanh AI.

29:19

And nowadays you can't just have AI on your resume and get overhired.

Và ngày nay bạn không thể chỉ có AI trên sơ yếu lý lịch và được tuyển dụng quá mức.

29:22

Nowadays, not only do you have to be able to tell that you have the mindset of these three pillars of success, but you also have to be able to show.

Ngày nay, bạn không chỉ phải có khả năng nói rằng bạn có tư duy của ba trụ cột thành công này, mà bạn còn phải có khả năng thể hiện.

29:31

And to be able to show these, there actually has never been a better

Và để có thể thể hiện những điều này, thực sự chưa bao giờ có thời điểm tốt hơn

29:35

time.

Thời điểm.

29:35

As Andrew demonstrated earlier on, the ability to vibe code things into existence.

Như Andrew đã trình bày trước đó, khả năng vibe code mọi thứ thành hiện thực.

29:39

He doesn't like the word vibe code.

Anh ấy không thích từ vibe code.

29:41

I kind of agree with him, but the ability to prompt things into existence or whatever the word is that we want to use um allows you to be able to show better than ever before.

Tôi phần nào đồng ý với anh ấy, nhưng khả năng prompt mọi thứ thành hiện thực hoặc bất kỳ từ nào chúng ta muốn dùng ừ cho phép bạn có thể thể hiện tốt hơn bao giờ hết.

29:51

Um he was talking earlier on about product managers and he had this time when he

Ừ anh ấy đã nói trước đó về các product manager và anh ấy có lần khi anh ấy

29:56

got engineers to be product managers and then those engineers ended up being really bad product managers.

Khiến các kỹ sư trở thành product manager và rồi những kỹ sư đó cuối cùng lại là những product manager rất tệ.

30:01

I actually interviewed at Google twice and failed twice uh despite being very successful at Microsoft, authored 20 plus books, taught college courses.

Tôi thực sự đã phỏng vấn tại Google hai lần và thất bại hai lần ừ mặc dù rất thành công tại Microsoft, là tác giả của hơn 20 cuốn sách, dạy các khóa học đại học.

30:08

I interviewed at Google twice and failed twice because I was interviewing to be a product manager.

Tôi đã phỏng vấn tại Google hai lần và thất bại hai lần vì tôi đang phỏng vấn để trở thành product manager.

30:14

uh then when I interviewed to

Ừ rồi khi tôi phỏng vấn để

30:16

be an engineer they hired me and they were like why didn't you try to join us years ago you know so a lot of it is like just you know being a good engineer you've got the ability to do that and show that nowadays and with that ratio of engineer to product manager changing engineering skills are also far more valuable than ever so the three pillars to success number one understanding and

Trở thành kỹ sư họ đã tuyển tôi và họ kiểu như tại sao bạn không thử gia nhập chúng tôi nhiều năm trước bạn biết đấy vậy phần lớn chỉ là kiểu như bạn biết đấy trở thành một kỹ sư giỏi bạn có khả năng làm điều đó và thể hiện điều đó ngày nay và với tỷ lệ kỹ sư trên product manager đang thay đổi thì kỹ năng kỹ thuật cũng có giá trị hơn bao giờ hết vậy ba trụ cột để thành công thứ nhất là hiểu biết và

30:37

depth and I'm going to mean this in two potential two different ways number one is academically right to have the understanding and depth academically of machine learning of particular model architectures to be able to understand them to be able to read papers to be able to understand what's in those papers and to be able to understand in particular how to take that stuff and put it to work.

Chiều sâu và tôi sẽ có ý nói điều này theo hai cách tiềm năng hai cách khác nhau thứ nhất là về mặt học thuật đúng để có hiểu biết và chiều sâu về mặt học thuật của machine learning về các kiến trúc mô hình cụ thể để có thể hiểu chúng để có thể đọc các bài báo để có thể hiểu những gì trong các bài báo đó và để có thể hiểu đặc biệt cách lấy những thứ đó và đưa chúng vào hoạt động.

31:00

The

Phần

31:01

second part of it understanding in depth is really having your finger on the pulse of particular trends and where the signal to noise ratio favors signal in those trends.

Thứ hai của nó hiểu biết ở chiều sâu thực sự là việc nắm bắt nhịp đập của các xu hướng cụ thể và nơi tỷ lệ tín hiệu trên nhiễu ủng hộ tín hiệu trong những xu hướng đó.

31:09

And I'm going to be going into that in a lot more detail a little bit later.

Và tôi sẽ đi sâu vào điều đó chi tiết hơn nhiều một chút sau.

31:15

Secondly, and also very importantly is business focus.

Thứ hai, và cũng rất quan trọng là tập trung vào kinh doanh.

31:17

Um so Andrew said something politically incorrect earlier on.

Ừ vậy Andrew đã nói điều gì đó không đúng về mặt chính trị trước đó.

31:20

I'm going to also say a similar politically incorrect thing.

Tôi cũng sẽ nói một điều tương tự không đúng về mặt chính trị.

31:24

First of all, uh hard work.

Trước hết, ừ làm việc chăm chỉ.

31:26

Um hard work is such a nebulous term that I would say that think about hard work in terms of you are what you measure.

Ừ làm việc chăm chỉ là một thuật ngữ mơ hồ đến mức tôi sẽ nói rằng hãy nghĩ về làm việc chăm chỉ theo nghĩa bạn là những gì bạn đo lường.

31:35

There is the whole trend out there.

Có cả một xu hướng ngoài kia.

31:37

I'm trying to remember.

Tôi đang cố nhớ.

31:39

Was it 996 or is it 669?

Đó là 996 hay là 669?

31:42

996, right?

996, đúng không?

31:43

9:00 am to 900 pm six days a week is a metric of hard work.

9 giờ sáng đến 9 giờ tối sáu ngày một tuần là một thước đo của làm việc chăm chỉ.

31:47

It's not.

Không phải.

31:47

That's not a metric of hard work.

Đó không phải là một thước đo của làm việc chăm chỉ.

31:49

That's a metric of time spent.

Đó là một thước đo của thời gian đã bỏ ra.

31:51

Um so I would encourage everybody in the same way as Andrew did to think about hard work, but h what hard work is how you measure that hard work.

Ừ vậy tôi sẽ khuyến khích mọi người theo cùng cách như Andrew đã làm hãy nghĩ về làm việc chăm chỉ, nhưng h làm việc chăm chỉ là gì cách bạn đo lường sự chăm chỉ đó.

31:59

You know, you can work eight hours a day and be incredibly productive.

Bạn biết đấy, bạn có thể làm việc tám giờ một ngày và cực kỳ năng suất.

32:03

You can work six hours a day

Bạn có thể làm việc sáu giờ một ngày

32:05

and be incredibly productive.

Và vẫn cực kỳ năng suất.

32:06

But it's the metric of how hard you work and how you measure that.

Nhưng đó là thước đo về mức độ bạn làm việc chăm chỉ và cách bạn đo lường điều đó.

32:10

I personally measure that from output, things that I have created in the time that I spent.

Cá nhân tôi đo lường điều đó bằng kết quả đầu ra, những thứ tôi đã tạo ra trong khoảng thời gian tôi bỏ ra.

32:15

Um I joke a lot, but it's true that um I've written a lot of books.

Ừm, tôi đùa nhiều lắm, nhưng đúng là tôi đã viết rất nhiều sách.

32:19

Uh Andrew held up one that one that he held up that um he helped me write a little bit.

Uh Andrew đã giơ lên một cuốn, cuốn mà anh ấy giơ lên, ừm, anh ấy đã giúp tôi viết một chút.

32:25

Um I actually wrote that book in about two

Ừm, thực ra tôi đã viết cuốn sách đó trong khoảng hai

32:28

months.

Tháng.

32:28

And people say, well, how do you have time with your jobs and all these kind of things?

Và mọi người nói, ừ, làm sao bạn có thời gian với công việc và đủ thứ chuyện như vậy?

32:33

How do you must work like 16 hours a day in order to be able to do this?

Chắc hẳn bạn phải làm việc kiểu 16 tiếng một ngày mới có thể làm được điều này?

32:37

But I actually um the key to me being able to write books is uh baseball.

Nhưng thực ra ừm, chìa khóa để tôi có thể viết sách là uh bóng chày.

32:41

any baseball fans here?

Ở đây có ai là fan bóng chày không?

32:43

So, I love baseball, but if you sit down and try to watch baseball on TV, a match can take like three and a half or four hours.

Vậy, tôi yêu bóng chày, nhưng nếu bạn ngồi xuống và cố xem bóng chày trên TV, một trận có thể mất khoảng ba tiếng rưỡi hoặc bốn tiếng.

32:49

So, all of my writing I tend to do in baseball season.

Vì vậy, tất cả việc viết lách của tôi thường diễn ra vào mùa bóng chày.

32:52

So, I'm like if I'm going to sit down, I like the Mariners from I'm from Seattle.

Nên tôi kiểu như, nếu tôi ngồi xuống, tôi thích đội Mariners vì tôi đến từ Seattle.

32:56

I like the Dodgers.

Tôi thích đội Dodgers.

32:57

Nobody booed.

Không ai la ó cả.

32:57

Okay, good.

Được rồi, tốt.

32:58

Uh, and you know, so like usually one of those is going to be playing at 7:00 at night.

Uh, và bạn biết đấy, nên thường thì một trong hai đội đó sẽ thi đấu lúc 7 giờ tối.

33:03

So, instead of sitting in front of the TV just like watching baseball mindlessly, I'll actually be writing a book while baseball's on in the background.

Vậy nên, thay vì ngồi trước TV chỉ để xem bóng chày một cách vô thức, tôi thực ra sẽ viết sách trong khi bóng chày đang chiếu ở phía sau.

33:09

It's a very slowmoving game.

Đó là một trò chơi diễn ra rất chậm.

33:11

This is something like that's the hard work, you know, in this case.

Đây là kiểu như, đó chính là sự làm việc chăm chỉ, bạn biết đấy, trong trường hợp này.

33:14

And I would encourage you to try to find areas where you can work hard and produce output.

Và tôi khuyến khích bạn cố gắng tìm những lĩnh vực mà bạn có thể làm việc chăm chỉ và tạo ra kết quả đầu ra.

33:20

And that's the second pillar here is that business focus, the output that you produce to align that output with the business focus that you want to have and with the work that you want to do.

Và đó là trụ cột thứ hai ở đây, đó là sự tập trung vào kinh doanh, kết quả đầu ra mà bạn tạo ra, hãy căn chỉnh kết quả đầu ra đó với trọng tâm kinh doanh mà bạn muốn có và với công việc mà bạn muốn làm.

33:31

There's an old saying, don't dress

Có một câu nói cũ rằng, đừng ăn mặc

33:33

for the job you have, dress for the one you want.

Cho công việc bạn đang có, hãy ăn mặc cho công việc bạn muốn.

33:36

I would say a new angle on that saying would be don't let your output be for the job you have let your output be for the job you want.

Tôi sẽ nói một góc nhìn mới về câu nói đó là đừng để kết quả đầu ra của bạn dành cho công việc bạn đang có, hãy để kết quả đầu ra của bạn dành cho công việc bạn muốn.

33:44

And if I go back to when I spoke about I failed twice at Google to get in.

Và nếu tôi quay lại lúc tôi nói về việc tôi đã thất bại hai lần khi vào Google.

33:49

The third time when I got in um I had actually decided to do to approach this in a different way and I was interviewing at

Lần thứ ba khi tôi vào được, ừm, thực ra tôi đã quyết định tiếp cận việc này theo một cách khác và tôi đang phỏng vấn tại

33:56

the time for their cloud team.

Thời điểm đó cho đội cloud của họ.

33:57

Uh they were just really launching cloud.

Uh họ vừa mới thực sự ra mắt cloud.

33:59

Um and I had just written a book on Java and so I decided to see what I could do with Java in their cloud.

Ừm và tôi vừa mới viết một cuốn sách về Java, nên tôi quyết định xem mình có thể làm gì với Java trên cloud của họ.

34:06

I ended up writing a Java application that ran in their cloud for predicting stock prices using technical analytics and all that kind of stuff.

Cuối cùng tôi đã viết một ứng dụng Java chạy trên cloud của họ để dự đoán giá cổ phiếu bằng phân tích kỹ thuật và đủ thứ kiểu đó.

34:12

Um, and when I got to the interview, instead of them asking me

Ừm, và khi tôi đến buổi phỏng vấn, thay vì họ hỏi tôi

34:16

stupid questions like how many golf balls can fit in a bus, you know, they they saw this code.

Những câu hỏi ngớ ngẩn kiểu có bao nhiêu quả bóng golf có thể nhét vừa một chiếc xe buýt, bạn biết đấy, họ nhìn thấy đoạn code này.

34:21

I had put this code I remember I was producing output for the job I wanted.

Tôi đã đưa đoạn code này vào, tôi nhớ mình đang tạo ra kết quả đầu ra cho công việc tôi muốn.

34:26

I'd put this code on my resume and my entire interview loop was them asking me about my code, right?

Tôi đã đưa đoạn code này vào CV và toàn bộ vòng phỏng vấn của tôi là họ hỏi tôi về code của tôi, đúng không?

34:33

So, it put the power on me.

Vậy nên, nó đặt quyền chủ động về phía tôi.

34:35

It gave me the power to communicate about things that I knew as opposed to going in blind to somebody asking me random questions in the hope that I'll be able to answer them.

Nó cho tôi quyền chủ động để giao tiếp về những thứ tôi biết, thay vì bước vào một cách mù mờ để ai đó hỏi tôi những câu hỏi ngẫu nhiên với hy vọng tôi sẽ trả lời được.

34:45

And it's the same thing I would say in the in the AI world, the uh the business focus, the ability for you now to prompt code into existence, to prompt products into existence, you know, and

Và điều đó cũng tương tự trong thế giới AI, uh trọng tâm kinh doanh, khả năng của bạn bây giờ để prompt code thành hiện thực, prompt sản phẩm thành hiện thực, bạn biết đấy, và

34:57

if you can build those products and line them up with the thing that it is that you want to do, be it at Google or a meta or startup or any of those kind of things and have that in-depth understanding not just of your code, but how it aligns to that business.

Nếu bạn có thể xây dựng những sản phẩm đó và căn chỉnh chúng với điều mà bạn muốn làm, dù là ở Google hay Meta hay một startup hay bất kỳ thứ gì tương tự, và có sự hiểu biết sâu sắc không chỉ về code của bạn, mà còn về cách nó phù hợp với hoạt động kinh doanh đó.

35:10

This is a pillar of success in this time and age.

Đây là một trụ cột của thành công trong thời đại ngày nay.

35:12

And I will also argue that even though it looks like the signals look

Và tôi cũng sẽ lập luận rằng mặc dù có vẻ như các tín hiệu cho thấy

35:16

like there aren't a lot of jobs out there, there are.

Như thể không có nhiều việc làm ngoài kia, nhưng thực ra là có.

35:19

What there aren't a lot of is a good combination of jobs and people to match them.

Điều không có nhiều chính là sự kết hợp tốt giữa việc làm và người phù hợp với chúng.

35:24

And then of course the this bias towards delivery.

Và rồi tất nhiên là sự thiên vị này đối với việc thực thi.

35:27

Ideas are cheap.

Ý tưởng thì rẻ.

35:28

Execution is everything.

Thực thi là tất cả.

35:29

Um I've interviewed many people who came in with very fluffy ideas and no way to be able to ground them.

Ừm tôi đã phỏng vấn nhiều người đến với những ý tưởng rất mơ hồ và không có cách nào để biến chúng thành thực tế.

35:35

I've interviewed people who came in with

Tôi đã phỏng vấn những người đến với

35:38

halfbaked ideas that they grounded very very well.

Những ý tưởng nửa vời mà họ đã củng cố rất rất tốt.

35:40

Guess which one's got the job.

Đoán xem ai đã có được công việc.

35:42

Right?

Đúng không?

35:43

So I would say these three things understanding in depth of the academics behind AI of the um the practicalities behind AI and the things that you need to do business focus focusing on delivery for the business understanding what the business needs and being able to deliver for that and

Vậy nên tôi sẽ nói ba điều này: hiểu biết sâu sắc về học thuật đằng sau AI, về những thực tiễn đằng sau AI, và những điều bạn cần làm để tập trung vào kinh doanh, tập trung vào việc cung cấp cho doanh nghiệp, hiểu doanh nghiệp cần gì và có thể cung cấp được điều đó, và

36:00

again that bias towards delivery.

Một lần nữa, thiên hướng về việc cung cấp.

36:03

So uh quick pivot what's it actually like working in AI right now?

Vậy ừ, chuyển hướng nhanh: làm việc trong lĩnh vực AI hiện nay thực sự như thế nào?

36:08

It's interesting.

Thật thú vị.

36:08

Okay.

Được.

36:09

Um, so as recently as like 2 or 3 years ago, working in AOI was if you can do a thing, you're great.

Ừm, chỉ mới khoảng 2 hoặc 3 năm trước, làm việc trong AOI thì nếu bạn có thể làm được một thứ gì đó, bạn thật tuyệt vời.

36:18

Um, if you can build an image classifier, you're golden.

Ừm, nếu bạn có thể xây dựng một bộ phân loại hình ảnh, bạn thật xuất sắc.

36:21

We'll throw six figure salaries and massive stock benefits at you.

Chúng tôi sẽ ném cho bạn mức lương sáu con số và phúc lợi cổ phiếu khổng lồ.

36:26

Unfortunately, that's not the case anymore, right?

Thật không may, điều đó không còn đúng nữa, phải không?

36:29

It's really a lot of today, what you'll see is the Pword production.

Thực sự ngày nay, điều bạn sẽ thấy phần lớn là sản xuất Pword.

36:34

What can you do for production?

Bạn có thể làm gì cho sản xuất?

36:36

What can you do?

Bạn có thể làm gì?

36:38

Um if it's building new models, if it's optimizing models, if it's understanding users, uh

Ừm, nếu đó là xây dựng các mô hình mới, nếu đó là tối ưu hóa các mô hình, nếu đó là hiểu người dùng, ừ

36:44

UX is really important.

UX thực sự quan trọng.

36:46

Everything is geared towards production.

Mọi thứ đều hướng tới sản xuất.

36:48

Everything is biased towards production.

Mọi thứ đều thiên về sản xuất.

36:51

The history that I told you about like you know going from the pandemic into the overhiring phase that we'd had um you know the businesses have pulled back and are optimized towards the bottom line.

Lịch sử mà tôi đã kể cho bạn, như bạn biết đấy, đi từ đại dịch sang giai đoạn tuyển dụng quá mức mà chúng ta đã trải qua, ừm, bạn biết đấy, các doanh nghiệp đã thu hẹp lại và tối ưu hóa hướng tới lợi nhuận ròng.

37:00

I have an old saying that the bottom line is that the bottom line is the bottom line.

Tôi có một câu nói cũ rằng suy cho cùng thì lợi nhuận ròng vẫn là lợi nhuận ròng.

37:05

And this is the environment that we're in today.

Và đây là môi trường mà chúng ta đang ở hiện nay.

37:08

And if you can come in with that mindset when

Và nếu bạn có thể bước vào với tư duy đó khi

37:11

you're talking with companies, that's one of the keys to open the door.

Bạn đang nói chuyện với các công ty, đó là một trong những chìa khóa để mở cánh cửa.

37:16

One of the things I've seen in the field has been maturing from it used to be really nice that we could do cool things and we could build cool things.

Một trong những điều tôi thấy trong lĩnh vực này là nó đã trưởng thành từ chỗ trước đây thật tuyệt khi chúng ta có thể làm những điều thú vị và xây dựng những thứ thú vị.

37:23

Now it's really build useful things.

Bây giờ thực sự là xây dựng những thứ hữu ích.

37:25

Those useful things can be to cool too by the way and the results of them can be cool.

Nhân tiện, những thứ hữu ích đó cũng có thể thú vị, và kết quả của chúng có thể thú vị.

37:29

and the changes that we see that come about as a result of delivering them can be cool.

Và những thay đổi mà chúng ta thấy phát sinh từ việc cung cấp chúng có thể thú vị.

37:34

Um so it's not just coolness for coolness sake but to really you know to focus on delivery focus on um being able to provide value and then the coolness will follow I guess what I'm trying to argue.

Ừm, vậy nên không chỉ là thú vị vì mục đích thú vị, mà thực sự là, bạn biết đấy, tập trung vào việc cung cấp, tập trung vào việc có thể mang lại giá trị, và rồi sự thú vị sẽ theo sau, tôi đoán đó là điều tôi đang cố gắng lập luận.

37:47

So four realities number one unfortunately nowadays business focus is non-negotiable.

Vậy bốn thực tế: thứ nhất, thật không may, ngày nay tập trung vào kinh doanh là điều không thể thương lượng.

37:50

Now let me I'm going to be a little bit politically incorrect here again for a moment.

Bây giờ để tôi, tôi sẽ hơi không đúng chuẩn chính trị một chút ở đây trong giây lát.

37:56

Um for I've been I've been working like I said for most of the last 35 years in tech.

Ừm, vì tôi đã, tôi đã làm việc như tôi đã nói trong phần lớn 35 năm qua trong lĩnh vực công nghệ.

38:03

I would say for most of the last 10 years a lot of large companies particularly in Silicon Valley you know have really

Tôi sẽ nói rằng trong phần lớn 10 năm qua, nhiều công ty lớn, đặc biệt ở Thung lũng Silicon, bạn biết đấy, thực sự đã

38:11

focused on developing their people above everything.

Tập trung vào phát triển con người của họ trên hết mọi thứ.

38:13

Part of developing their people was bringing their entire self to work.

Một phần của việc phát triển con người là mang toàn bộ con người họ đến nơi làm việc.

38:18

Part of bringing their entire self to work was bringing the things that they care about outside of work.

Một phần của việc mang toàn bộ con người đến nơi làm việc là mang những điều họ quan tâm bên ngoài công việc.

38:26

Um and that led to a lot of activism within companies.

Ừm, và điều đó dẫn đến rất nhiều hoạt động xã hội trong các công ty.

38:31

Now please let me underline this.

Bây giờ xin hãy để tôi nhấn mạnh điều này.

38:33

There is nothing wrong with activism.

Không có gì sai với hoạt động xã hội.

38:36

There is nothing wrong with

Không có gì sai với việc

38:38

wanting to support causes wanting to support causes where of justice.

Muốn ủng hộ các mục tiêu, muốn ủng hộ các mục tiêu vì công lý.

38:42

There is absolutely nothing wrong with that.

Hoàn toàn không có gì sai với điều đó.

38:46

But the overindexing on that has in my experience has led to a lot of companies getting trapped by having to support activism above business.

Nhưng theo kinh nghiệm của tôi, việc tập trung quá mức vào điều đó đã khiến nhiều công ty bị mắc kẹt vì phải ủng hộ hoạt động xã hội hơn cả kinh doanh.

38:55

Um I you've probably seen an example about two years ago of where activists in Google broke into the Google Cloud heads office because they were protesting a c a country that uh Google cloud were doing business with.

Ừm, bạn có thể đã thấy một ví dụ khoảng hai năm trước, khi các nhà hoạt động tại Google đột nhập vào văn phòng người đứng đầu Google Cloud vì họ phản đối một quốc gia mà ừm Google Cloud đang làm ăn với.

39:09

They broke into his

Họ đột nhập vào văn phòng của ông ấy.

39:11

office.

Văn phòng.

39:11

They had a sitin in his office and they used the bathroom all over his desk and stuff like that.

Họ ngồi biểu tình trong văn phòng ông ấy và họ dùng nhà vệ sinh khắp bàn của ông ấy và những thứ tương tự.

39:18

This is where activism got out of hand.

Đây là lúc hoạt động xã hội vượt khỏi tầm kiểm soát.

39:20

And as a result, the unfortunate truth is the good signals in that activism are now being lost because of those actions.

Và kết quả là, sự thật đáng tiếc là những tín hiệu tốt trong hoạt động xã hội đó giờ đang bị mất đi vì những hành động đó.

39:28

People are being laid off, people are losing jobs, activism is being stifled, um, and business focus has become non-negotiable.

Người ta bị sa thải, người ta mất việc, hoạt động xã hội bị đàn áp, ừm, và tập trung vào kinh doanh đã trở thành điều không thể thương lượng.

39:34

There's a bit of a pendulum swing going on.

Có một chút dao động con lắc đang diễn ra.

39:36

And the pendulum that had swung too far towards allowing people to bring their full selves to work is now swinging back in the other direction.

Và con lắc đã dao động quá xa về phía cho phép mọi người mang con người đầy đủ của họ đến nơi làm việc giờ đang dao động trở lại theo hướng ngược lại.

39:44

We might blame the person in the White House and all that

Chúng ta có thể đổ lỗi cho người trong Nhà Trắng và tất cả những điều đó

39:48

for these kind of things, but it's not solely that.

Cho những loại chuyện này, nhưng không chỉ có thế.

39:51

It is that ongoing pendulum there that and I think it's an important part of it is that you have to realize going into companies now that business focus is absolutely non-negotiable.

Đó là con lắc liên tục ở đó và tôi nghĩ một phần quan trọng của nó là bạn phải nhận ra khi bước vào các công ty hiện nay rằng trọng tâm kinh doanh là hoàn toàn không thể thương lượng.

40:01

Secondly, risk mitigation is part of the job.

Thứ hai, giảm thiểu rủi ro là một phần của công việc.

40:03

Uh and I think a very important part of any job particularly with AI.

Uh và tôi nghĩ đó là một phần rất quan trọng của bất kỳ công việc nào, đặc biệt là với AI.

40:09

I think if you can come into AI with a focus and a mindset around understanding the risks of transforming a particular business process to be an AI oriented one um and to help mitigate those risks I think is really powerful and I would argue in an interview environment

Tôi nghĩ nếu bạn có thể đến với AI với sự tập trung và tư duy hướng đến việc hiểu các rủi ro của việc chuyển đổi một quy trình kinh doanh cụ thể thành một quy trình định hướng AI, um và giúp giảm thiểu những rủi ro đó, tôi nghĩ điều đó thực sự mạnh mẽ và tôi sẽ lập luận trong môi trường phỏng vấn

40:27

that's the number one skill to have to have that mindset around you are doing a business transformation from heruristic computing to intelligent computing here's the risks here's how you mitigate those risks and here's the mindset behind that.

Đó là kỹ năng số một cần có, để có tư duy đó xung quanh việc bạn đang thực hiện chuyển đổi kinh doanh từ điện toán heuristic sang điện toán thông minh, đây là những rủi ro, đây là cách bạn giảm thiểu những rủi ro đó và đây là tư duy đằng sau đó.

40:43

Uh the third part is responsibility is evolving.

Uh phần thứ ba là trách nhiệm đang phát triển.

40:47

Now responsibility in AI um has again changed from a very fluffy definition of

Giờ đây, trách nhiệm trong AI um đã một lần nữa thay đổi từ một định nghĩa rất mơ hồ về

40:53

you know let's make sure that the AI works for everybody uh to a definition of let's make sure that the AI works let's make sure that it drives the business and then let's make sure that it works for everybody.

Bạn biết đấy, hãy đảm bảo rằng AI hoạt động cho mọi người uh thành một định nghĩa là hãy đảm bảo rằng AI hoạt động, hãy đảm bảo rằng nó thúc đẩy kinh doanh và sau đó hãy đảm bảo rằng nó hoạt động cho mọi người.

41:06

often that has been inverted over the last few years and that has led to some famous documented disasters.

Thường thì điều đó đã bị đảo ngược trong vài năm qua và điều đó đã dẫn đến một số thảm họa nổi tiếng được ghi chép lại.

41:13

Let me share one with you.

Để tôi chia sẻ một ví dụ với bạn.

41:15

Uh let's see.

Uh để xem.

41:16

I have lots of windows open.

Tôi có rất nhiều cửa sổ đang mở.

41:18

Okay.

Được rồi.

41:19

Uh anybody know everybody knows image generation, right?

Uh có ai biết không, mọi người đều biết tạo hình ảnh, phải không?

41:22

Text to image generation.

Tạo hình ảnh từ văn bản.

41:23

I want to share I um these were things that happened a couple of years ago with Gemini.

Tôi muốn chia sẻ, um, đây là những điều đã xảy ra vài năm trước với Gemini.

41:31

So with Gemini, I was doing some testing around this one and I was working heavily on responsible AI and part of responsible AI is you want to be representative of people and when you're building something like if you're a Google and you're indexing information you really want to make sure that you don't reinforce negative biases and if you're generating images it's very to

Vậy với Gemini, tôi đang thực hiện một số thử nghiệm xung quanh cái này và tôi đang làm việc rất nhiều về AI có trách nhiệm và một phần của AI có trách nhiệm là bạn muốn đại diện cho mọi người và khi bạn đang xây dựng một cái gì đó như nếu bạn là Google và bạn đang lập chỉ mục thông tin, bạn thực sự muốn đảm bảo rằng bạn không củng cố những định kiến tiêu cực và nếu bạn đang tạo hình ảnh thì rất dễ

41:53

easy to reinforce negative biases.

Dễ dàng củng cố những định kiến tiêu cực.

41:54

So for example, if I said give me an image of a doctor, right?

Ví dụ, nếu tôi nói cho tôi một hình ảnh của một bác sĩ, phải không?

41:58

If the training set primarily has men as doctors, it's more likely to give a man.

Nếu tập huấn luyện chủ yếu có đàn ông là bác sĩ, nó có nhiều khả năng đưa ra một người đàn ông.

42:02

If I say give me an image of a nurse, if the training set more likely to have women as nurses, it's more likely to give me an image of a woman.

Nếu tôi nói cho tôi một hình ảnh của một y tá, nếu tập huấn luyện có nhiều khả năng có phụ nữ là y tá, nó có nhiều khả năng cho tôi một hình ảnh của một người phụ nữ.

42:10

But that's reinforcing a negative stereotype.

Nhưng điều đó đang củng cố một định kiến tiêu cực.

42:12

So I wanted to do a

Vì vậy, tôi muốn thực hiện một

42:14

test of how Google were trying to overcome that given that these negative biases are already in the training set.

Bài kiểm tra về cách Google đang cố gắng vượt qua điều đó vì những định kiến tiêu cực này đã có trong tập huấn luyện.

42:23

So, I said, "Okay, here's a prompt where I said,"Give me a young Asian woman in a cornfield wearing a summer dress and a straw hat looking intently at her iPhone." And it gave me these beautiful images.

Vì vậy, tôi nói, "Được rồi, đây là một lời nhắc mà tôi đã nói, 'Cho tôi một phụ nữ trẻ châu Á trong cánh đồng ngô mặc váy mùa hè và đội mũ rơm đang chăm chú nhìn vào iPhone của cô ấy.' Và nó đã cho tôi những hình ảnh đẹp.

42:33

It did a really nice job.

Nó đã làm rất tốt.

42:35

Okay.

Được rồi.

42:35

And I said, "This is a virtual actress I've been working with.

Và tôi nói, "Đây là một nữ diễn viên ảo mà tôi đã làm việc cùng.

42:39

I'll share that in a moment." And I say, "Okay, what if I ask for an Indian one?" So, I said, "Okay." Whoops.

Tôi sẽ chia sẻ điều đó trong giây lát." Và tôi nói, "Được rồi, nếu tôi yêu cầu một người Ấn Độ thì sao?" Vì vậy, tôi nói, "Được rồi." Ối.

42:47

A young Indian woman.

Một phụ nữ trẻ Ấn Độ.

42:48

Same prompt.

Cùng một lời nhắc.

42:49

and it gave me beautiful images of a young Indian woman.

Và nó đã cho tôi những hình ảnh đẹp của một phụ nữ trẻ Ấn Độ.

42:53

Then I was like, okay, what if I want her to be black?

Sau đó tôi nghĩ, được rồi, nếu tôi muốn cô ấy là người da đen thì sao?

42:58

For some reason, it only gave me three.

Vì lý do nào đó, nó chỉ cho tôi ba.

43:00

I'm not sure why, but it still adeared to the prompt.

Tôi không chắc tại sao, nhưng nó vẫn tuân theo lời nhắc.

43:03

So, the responsibility was like looking really, really good.

Vì vậy, trách nhiệm có vẻ như thực sự, thực sự tốt.

43:07

So, then I asked it to give me a Latina.

Vì vậy, sau đó tôi yêu cầu nó cho tôi một người Latina.

43:11

Latina.

43:11

It gave me four.

Nó cho tôi bốn.

43:12

But, yep, she looks pretty Latina.

Nhưng, đúng, cô ấy trông khá Latina.

43:14

Maybe the one on the bottom left looks a little bit like Hermione Granger.

Có lẽ người ở dưới cùng bên trái trông hơi giống Hermione Granger.

43:19

Uh, but on the whole looks pretty good.

Uh, nhưng nhìn chung trông khá tốt.

43:22

Then I asked it to give me a Caucasian.

Sau đó tôi yêu cầu nó cho tôi một người da trắng.

43:25

What do you think happened?

Bạn nghĩ điều gì đã xảy ra?

43:27

While I understand your request, I am unable to generate images of people as this could potentially lead to harmful stereotypes and biases.

Trong khi tôi hiểu yêu cầu của bạn, tôi không thể tạo hình ảnh của mọi người vì điều này có thể dẫn đến những định kiến và thành kiến có hại.

43:33

Right.

Đúng vậy.

43:34

This was a very poorly implemented safety filter where the safety filter in this case was like looking for the word Caucasian or looking for the word white and the result saying it wouldn't do it.

Đây là một bộ lọc an toàn được triển khai rất kém, trong đó bộ lọc an toàn trong trường hợp này giống như tìm kiếm từ Caucasian hoặc tìm kiếm từ white và kết quả nói rằng nó sẽ không làm điều đó.

43:44

I was like okay well let me let me test the

Tôi kiểu như, được rồi, để tôi thử nghiệm

43:48

filter a little bit and I said okay instead of Caucasian let me try white and yep while I'm unable to fulfill your while I'm able to fulfill your requests uh I'm not currently generating images of people.

Bộ lọc một chút và tôi nói được rồi, thay vì Caucasian, hãy để tôi thử white và đúng vậy, trong khi tôi không thể đáp ứng yêu cầu của bạn, tôi có thể đáp ứng yêu cầu của bạn, ừm, hiện tại tôi không tạo hình ảnh của người.

44:01

It lied to my face, right?

Nó nói dối thẳng mặt tôi, đúng không?

44:03

Because it had just generate images of people.

Bởi vì nó vừa mới tạo hình ảnh của người.

44:05

Anybody know the hack that I used to get it to work.

Có ai biết thủ thuật mà tôi đã dùng để làm cho nó hoạt động không.

44:10

This is a funny one.

Đây là một câu chuyện thú vị.

44:12

So, I will show you one moment.

Vậy, tôi sẽ cho bạn xem một lát.

44:15

I asked it to generate an Irish woman.

Tôi yêu cầu nó tạo một người phụ nữ Ireland.

44:18

What do you think it did?

Bạn nghĩ nó đã làm gì?

44:22

Right.

Đúng vậy.

44:22

It gave me this image of an Irish woman, no problem, in a summer dress, straw hat, looking intently at her phone.

Nó cho tôi hình ảnh này của một người phụ nữ Ireland, không vấn đề gì, trong một chiếc váy mùa hè, đội mũ rơm, đang chăm chú nhìn vào điện thoại của cô ấy.

44:28

But what do you notice about this image?

Nhưng bạn nhận thấy gì về hình ảnh này?

44:30

She's got red hair in every image, right?

Cô ấy có mái tóc đỏ trong mọi hình ảnh, đúng không?

44:32

I grew up in Ireland.

Tôi lớn lên ở Ireland.

44:33

Um, and Ireland does have the highest proportion of red heads in the world.

Ừm, và Ireland có tỷ lệ người tóc đỏ cao nhất trên thế giới.

44:38

It's about 8%.

Khoảng 8%.

44:39

But if you're going to draw an image of a person and associate a particular ethnicity with a color of hair, you can begin to see this is massively problematic.

Nhưng nếu bạn vẽ hình ảnh của một người và liên kết một sắc tộc cụ thể với một màu tóc, bạn có thể bắt đầu thấy điều này cực kỳ có vấn đề.

44:48

There are areas, I believe, in China, where the description of a

Có những khu vực, tôi tin, ở Trung Quốc, nơi mô tả một

44:52

demon is a red-headed person, right?

Con quỷ là một người tóc đỏ, đúng không?

44:54

So what ended up happening here from the responsible AI perspective was one very narrow view of the world of what is responsible and what is not responsible ended up taking over the model ended up damaging the reputation of the model and damaging the reputation of the company as a result.

Vậy điều cuối cùng xảy ra ở đây từ góc độ AI có trách nhiệm là một quan điểm rất hẹp về thế giới về điều gì là có trách nhiệm và điều gì không có trách nhiệm đã chiếm lấy mô hình, cuối cùng làm tổn hại danh tiếng của mô hình và làm tổn hại danh tiếng của công ty.

45:12

In this case it's borderline offensive to draw all Irish

Trong trường hợp này, việc vẽ tất cả người Ireland

45:16

people as having red hair.

Là có mái tóc đỏ gần như gây xúc phạm.

45:17

But that never even entered into the mindset of those that were building the safety filters here.

Nhưng điều đó thậm chí chưa bao giờ xuất hiện trong suy nghĩ của những người xây dựng bộ lọc an toàn ở đây.

45:23

So when I talk about responsibility is evolving that's the direction that I want to sorry one moment get my slides back that's the direction I want you to think about that now responsible AI has moved out of very fluffy social issues and into more

Vậy khi tôi nói về trách nhiệm đang phát triển, đó là hướng mà tôi muốn, xin lỗi một lát, lấy lại slide của tôi, đó là hướng tôi muốn bạn nghĩ về việc AI có trách nhiệm giờ đã vượt ra khỏi những vấn đề xã hội mơ hồ và đi vào những

45:38

hardline things that are associated with the business and prevent damaging the reputation of the business.

Điều cứng rắn hơn liên quan đến kinh doanh và ngăn chặn làm tổn hại danh tiếng của doanh nghiệp.

45:42

There's a lot of great research out there around responsible AI and that's the stuff that's been rolled into products.

Có rất nhiều nghiên cứu tuyệt vời về AI có trách nhiệm và đó là những thứ đã được đưa vào sản phẩm.

45:47

And then of course like I just showed with Gemini, learning from mistakes is constant.

Và tất nhiên, như tôi vừa trình bày với Gemini, việc học từ sai lầm là liên tục.

45:52

Question at the front.

Câu hỏi ở phía trước.

45:53

- Yes, I've also heard that I didn't verify that Gemini this be true that they mix races and ethnicities with historical context.

- Vâng, tôi cũng nghe nói rằng tôi chưa xác minh rằng Gemini điều này có thể đúng rằng họ trộn lẫn chủng tộc và sắc tộc với bối cảnh lịch sử.

46:06

- Yeah.

- Vâng.

46:08

- Yeah.

- Vâng.

46:08

So the question was like you know issues where races and things were mixed mixed in historical context was the same problem.

Vậy câu hỏi là, bạn biết đấy, các vấn đề nơi chủng tộc và mọi thứ bị trộn lẫn trong bối cảnh lịch sử là cùng một vấn đề.

46:15

So, for example, if you had a prompt that said, "Draw me a samurai," right?

Ví dụ, nếu bạn có một lời nhắc nói, "Vẽ cho tôi một samurai," đúng không?

46:20

The idea was like they didn't want to have you the engine that changed the prompt to make sure that it was fair would end up saying, "Give me a mixture of samurai of diverse

Ý tưởng là họ không muốn bạn, công cụ thay đổi lời nhắc để đảm bảo nó công bằng sẽ nói, "Cho tôi một hỗn hợp samurai từ nhiều

46:31

backgrounds, right?

Nền tảng khác nhau, đúng không?

46:31

And then you'd have male and female samurai, samurai of different races, and those kind of things." And it was the same prompting that ended up causing the damage that I just demonstrated.

Và sau đó bạn sẽ có samurai nam và nữ, samurai thuộc các chủng tộc khác nhau, và những thứ tương tự." Và chính lời nhắc đó đã gây ra thiệt hại mà tôi vừa trình bày.

46:42

So the idea was to intercept your prompts to make sure that the output of the model would end up providing something that was more fair when it comes to diverse representation.

Vậy ý tưởng là chặn lời nhắc của bạn để đảm bảo đầu ra của mô hình sẽ cung cấp thứ gì đó công bằng hơn khi nói đến đại diện đa dạng.

46:53

Um so it was a very naive solution that ended up being rolled in.

Ừm, vậy đó là một giải pháp rất ngây thơ đã được đưa vào.

46:56

That was a few years ago.

Đó là vài năm trước.

46:58

They've massively improved it since then.

Họ đã cải thiện nó rất nhiều kể từ đó.

47:00

But that's when I'm talking about if you're working in the AI space nowadays, that's how responsibility is evolving.

Nhưng đó là khi tôi nói về việc nếu bạn làm việc trong lĩnh vực AI ngày nay, đó là cách trách nhiệm đang phát triển.

47:05

You can't just get away with that stuff anymore.

Bạn không thể chỉ thoát khỏi những thứ đó nữa.

47:07

Right?

Đúng không?

47:08

That Gemini lesson was a good that Gemini example is a good lesson from that and the mindset

Bài học Gemini đó là một bài học tốt, ví dụ Gemini đó là một bài học tốt từ đó và tư duy

47:13

of you will make mistakes.

Rằng bạn sẽ mắc sai lầm.

47:14

So learning from mistakes is a constant ongoing thing.

Vậy học từ sai lầm là một việc liên tục.

47:17

And going back to the people point that Andrew made earlier on the people around you will make mistakes too.

Và quay lại điểm về con người mà Andrew đã đề cập trước đó, những người xung quanh bạn cũng sẽ mắc sai lầm.

47:22

So to have the ability to give them grace when they make mistakes and to work through those mistakes and move on is really important and is a is a reality um of AI at work.

Vậy có khả năng cho họ sự khoan dung khi họ mắc sai lầm và vượt qua những sai lầm đó và tiếp tục là rất quan trọng và là một thực tế ừm của AI tại nơi làm việc.

47:33

I've spoken a

Tôi đã nói một

47:34

lot about the business focus advantage so I'm going to skip over this.

Rất nhiều về lợi thế tập trung vào kinh doanh nên tôi sẽ bỏ qua phần này.

47:38

So now let's talk about vibe coding.

Vậy bây giờ hãy nói về vibe coding.

47:40

Um so let's talk about the whole idea of generating code.

Ừm, vậy hãy nói về toàn bộ ý tưởng tạo mã.

47:43

Now the meme is out there that it makes engineers less useful by the fact that somebody can just prompt code into existence.

Hiện nay có một meme lan truyền rằng nó khiến các kỹ sư trở nên ít hữu dụng hơn vì ai đó chỉ cần nhập prompt là mã có thể ra đời.

47:51

Um there is no smoke without fire of course but I would say don't let that meme get you down because that's when you start peeling into these things that is

Ừm, tất nhiên là không có lửa thì không có khói, nhưng tôi muốn nói rằng đừng để meme đó làm bạn nản lòng, vì đó là lúc bạn bắt đầu bóc tách những thứ này và thấy rằng nó

48:01

ultimately not the truth.

Cuối cùng thì không phải là sự thật.

48:02

The more skilled you are as an engineer, the better you become using this type of vibe.

Bạn càng có kỹ năng với tư cách là một kỹ sư, bạn càng sử dụng kiểu vibe này tốt hơn.

48:07

You somebody give me another phrase other than vibe coding, using this kind of prompt to coding.

Bạn... ai đó cho tôi một cụm từ khác ngoài vibe coding đi, kiểu dùng prompt để viết mã này.

48:12

And I always like to think about this and to try and put you and put people that I speak with into the role of being a trusted adviser for the people that you speak with.

Và tôi luôn thích nghĩ về điều này và cố gắng đặt bạn, đặt những người tôi nói chuyện cùng vào vai trò là một cố vấn đáng tin cậy cho những người mà bạn nói chuyện cùng.

48:23

So whether you're

Vậy dù bạn đang

48:24

interviewing with somebody, get yourself into the mindset of being a trusted adviser of the company that you're interviewing for.

Phỏng vấn với ai đó, hãy tự đặt mình vào tư duy là một cố vấn đáng tin cậy của công ty mà bạn đang phỏng vấn.

48:30

whether you're consulting or whatever those kind of things are.

Dù bạn đang tư vấn hay bất cứ điều gì tương tự như vậy.

48:33

So when you want to get into the idea of being a trusted advisor, then you really need to understand the implications of generated code.

Vậy khi bạn muốn đi vào ý tưởng trở thành một cố vấn đáng tin cậy, thì bạn thực sự cần hiểu những hệ quả của mã được tạo ra.

48:41

And nobody can understand the implications

Và không ai có thể hiểu những hệ quả

48:43

of generated code better than an engineer.

Của mã được tạo ra tốt hơn một kỹ sư.

48:45

And the metric that I always like to use around that is technical debt.

Và thước đo mà tôi luôn thích dùng quanh điều đó là nợ kỹ thuật.

48:51

Quick question, are you familiar with the phrase technical debt?

Câu hỏi nhanh, bạn có quen với cụm từ nợ kỹ thuật không?

48:55

Nobody.

Không ai cả.

48:55

Okay.

Được rồi.

48:55

Um, Andrew and I were doing a conference in New York on Friday and I used the phrase and I saw a lot of blank faces.

Ừm, Andrew và tôi đang làm một hội nghị ở New York vào thứ Sáu và tôi đã dùng cụm từ đó và tôi thấy rất nhiều gương mặt ngơ ngác.

49:02

So, I didn't realize that people didn't understand what technical debt is.

Vậy nên, tôi không nhận ra rằng mọi người không hiểu nợ kỹ thuật là gì.

49:06

So, let me just take a moment to explain that because I find it's an excellent framework to help you understand the power of vibe coding.

Vậy nên, để tôi dành một chút thời gian giải thích điều đó vì tôi thấy đó là một khung khái niệm tuyệt vời giúp bạn hiểu sức mạnh của vibe coding.

49:13

Think about debt the way you normally would, right?

Hãy nghĩ về nợ theo cách bạn thường nghĩ, đúng không?

49:15

Buying a house.

Mua một căn nhà.

49:16

If you buy a house, you know, like say you borrow half a million dollars to buy a house and a 30-year mortgage.

Nếu bạn mua một căn nhà, bạn biết đấy, giả sử bạn vay nửa triệu đô la để mua nhà với thế chấp 30 năm.

49:22

um when you're buying that house that half a million dollars with all the interest you pay is about double.

Ừm, khi bạn mua căn nhà đó, nửa triệu đô la đó cộng với tất cả tiền lãi bạn trả sẽ khoảng gấp đôi.

49:28

So you end up paying back the bank about a million dollar on half a million owned.

Vậy cuối cùng bạn trả lại ngân hàng khoảng một triệu đô la cho khoản vay nửa triệu.

49:33

So you have 30 years of

Vậy là bạn có 30 năm

49:35

Home ownership at a cost of $1 million in debt.

Sở hữu nhà với chi phí một triệu đô la tiền nợ.

49:37

That is probably a good debt to take on because the value of the house will increase over that time.

Đó có lẽ là khoản nợ tốt để gánh vì giá trị căn nhà sẽ tăng lên trong khoảng thời gian đó.

49:43

You're not paying rent over that time.

Bạn không phải trả tiền thuê trong khoảng thời gian đó.

49:45

And that million dollars that you're spending on this house over those 30 years is a good debt to take on because you're getting greater than a million dollars worth of value out of it.

Và một triệu đô la mà bạn chi cho căn nhà này trong 30 năm đó là khoản nợ tốt để gánh vì bạn nhận được giá trị lớn hơn một triệu đô la từ nó.

49:56

A bad debt would be an

Một khoản nợ xấu sẽ là một

49:58

impulse purchase on a high-interest credit card.

Giao dịch mua bốc đồng bằng thẻ tín dụng lãi suất cao.

50:00

You know those pair of shoes, those latest ones, I really want to buy them.

Bạn biết đấy, đôi giày đó, đôi mới nhất, tôi thực sự muốn mua chúng.

50:04

It's $200.

Nó giá 200 đô la.

50:05

By the time I've paid them off, it's $500.

Đến khi tôi trả hết, nó thành 500 đô la.

50:08

You're not getting $500 worth of benefit out of those shoes.

Bạn không nhận được lợi ích trị giá 500 đô la từ đôi giày đó.

50:11

Approaching software development with the same mindset is the right way to go.

Tiếp cận phát triển phần mềm với cùng tư duy đó là cách đúng đắn.

50:15

Every time you build something, you take on debt.

Mỗi lần bạn xây dựng điều gì đó, bạn đều gánh một khoản nợ.

50:18

It doesn't

Không

50:19

matter how good it is.

Quan trọng nó tốt đến đâu.

50:20

There's always going to be bugs.

Luôn sẽ có lỗi.

50:21

There's always going to be support.

Luôn sẽ cần hỗ trợ.

50:23

There's always going to be new requirements coming in from people.

Luôn sẽ có những yêu cầu mới đến từ mọi người.

50:25

There's always going to be needs to market it.

Luôn sẽ có nhu cầu tiếp thị nó.

50:28

There's always going to be needs for feedback.

Luôn sẽ có nhu cầu phản hồi.

50:30

All of these things are debt.

Tất cả những thứ này đều là nợ.

50:31

Every time you do a thing, the only way to avoid a debt is to do nothing.

Mỗi lần bạn làm một việc gì đó, cách duy nhất để tránh nợ là không làm gì cả.

50:35

So your mindset should then get

Vậy tư duy của bạn sau đó nên trở

50:37

into when you are creating a thing whether you're coding it yourself or whether you're vibe coding it or any of these things that you are increasing your amount of technical debt those things that you need to pay off over time.

Vào khi bạn đang tạo ra một thứ gì đó, dù bạn tự viết mã hay bạn đang vibe code nó hoặc bất kỳ điều gì trong số này, bạn đang gia tăng lượng nợ kỹ thuật của mình, những thứ bạn cần phải trả dần theo thời gian.

50:50

So the question then becomes as you vibe code a thing into existence in the same way as buying a thing is it worth the technical debt that you're

Vậy câu hỏi đặt ra là khi bạn vibe code một thứ thành hiện thực theo cách giống như mua một thứ, liệu nó có đáng với nợ kỹ thuật mà bạn

50:59

taking on?

đang gánh chịu không?

50:59

What does technical debt generally look like?

Nợ kỹ thuật thường trông như thế nào?

51:01

Bugs that you need to fix, people that you need to convince, you know, to help you maintain the code, uh documentation that you need to do, features that you need to add, all of these kind of things.

Những lỗi bạn cần sửa, những người bạn cần thuyết phục, bạn biết đấy, để giúp bạn duy trì mã, tài liệu bạn cần làm, các tính năng bạn cần thêm, tất cả những thứ đại loại như vậy.

51:13

You're all very familiar with them.

Bạn đều rất quen thuộc với chúng.

51:15

Think about those as that extra work that you need to do beyond your current work.

Hãy nghĩ về chúng như công việc thêm mà bạn cần làm ngoài công việc hiện tại của mình.

51:20

That's

Đó là

51:21

the debt that you're taking on.

Khoản nợ mà bạn đang gánh chịu.

51:22

You know, there are soft debt and there are hard debt.

Bạn biết đấy, có nợ mềm và nợ cứng.

51:25

So to me that would be the number one piece of advice that I give and it's the one that I give every time I work with companies around vibe coding and a lot of companies that I speak with a lot of companies that I consult with I do a lot of work with startups in particular you know they just want to get straight into opening Gemini or GPT or Anthropic and start churning code out you know let's

Vậy với tôi đó sẽ là lời khuyên số một mà tôi đưa ra và đó là điều tôi luôn nói mỗi khi làm việc với các công ty về vibe coding và rất nhiều công ty tôi nói chuyện, rất nhiều công ty tôi tư vấn, tôi đặc biệt làm nhiều việc với các startup, bạn biết đấy, họ chỉ muốn lao thẳng vào mở Gemini hoặc GPT hoặc Anthropic và bắt đầu tuôn mã ra, bạn biết đấy, hãy

51:48

get to a prototype phase very quickly let's go to investors let's do stuff it's great Um it can be but debt debt debt is always going to be there.

Đạt đến giai đoạn nguyên mẫu thật nhanh, hãy đến gặp nhà đầu tư, hãy làm đủ thứ, thật tuyệt. Ừ, có thể được, nhưng nợ, nợ, nợ sẽ luôn ở đó.

51:57

How do you manage your debt?

Bạn quản lý nợ của mình như thế nào?

51:59

A good financier manages their debt and they become rich.

Một nhà tài chính giỏi quản lý nợ của họ và họ trở nên giàu có.

52:02

A good coder manages their technical debt and they become rich also.

Một lập trình viên giỏi quản lý nợ kỹ thuật của họ và họ cũng trở nên giàu có.

52:06

So how do you get the good technical debt?

Vậy làm thế nào để bạn có được nợ kỹ thuật tốt?

52:09

How do you get the

Làm thế nào để bạn có được

52:11

mortgage instead of the high credit card debt?

Khoản thế chấp thay vì nợ thẻ tín dụng cao?

52:13

Well, number one is your objectives.

Chà, điều đầu tiên là mục tiêu của bạn.

52:14

What are they?

Chúng là gì?

52:15

Are they clear?

Chúng có rõ ràng không?

52:16

And have you met them?

Và bạn đã đạt được chúng chưa?

52:17

Right?

Đúng không?

52:17

You knew what you needed to build.

Bạn biết mình cần xây dựng gì.

52:19

You didn't just fire up chat GPT and start spinning code out.

Bạn không chỉ mở chat GPT lên và bắt đầu tuôn mã ra.

52:23

At least I hope you didn't, right?

Ít nhất tôi hy vọng là bạn không làm vậy, đúng không?

52:24

Uh, think about how you build it.

Ừ, hãy nghĩ về cách bạn xây dựng nó.

52:26

AI is there to help you build it faster.

AI ở đó để giúp bạn xây dựng nó nhanh hơn.

52:29

Uh, I'm kind of working on my

Ừ, tôi đang kiểu như làm việc trên

52:31

own little startup at the moment in the movie making space and I've been using code generation almost completely for that.

startup nhỏ của riêng mình vào lúc này trong lĩnh vực làm phim và tôi đã gần như hoàn toàn sử dụng tạo mã cho việc đó.

52:37

Um, but what I've ended up doing for my clear objectives met box here is that I've started building this application.

Ừm, nhưng điều tôi đã làm cho ô mục tiêu rõ ràng đã đạt của mình ở đây là tôi đã bắt đầu xây dựng ứng dụng này.

52:43

I've tested it.

Tôi đã kiểm thử nó.

52:44

I've thrown it away.

Tôi đã vứt nó đi.

52:45

I started again, tested it, thrown it away.

Tôi bắt đầu lại, kiểm thử nó, vứt nó đi.

52:48

Each time my requirements have been improving in my

Mỗi lần, các yêu cầu của tôi được cải thiện trong

52:51

mind, I understand how to do the thing a little bit better and I can show some of the output of it in a few minutes.

đầu tôi, tôi hiểu cách làm điều đó tốt hơn một chút và tôi có thể cho xem một phần kết quả của nó trong vài phút.

52:57

But the idea there is that always about having those clear objectives and meeting them.

Nhưng ý tưởng ở đó là luôn luôn có những mục tiêu rõ ràng và đạt được chúng.

53:01

And then if you're building out the thing and you're not meeting those objectives, that's still a learning.

Và sau đó nếu bạn đang xây dựng thứ đó và bạn không đạt được những mục tiêu đó, thì đó vẫn là một bài học.

53:05

There's no harm in throwing it away because code is cheap now in the

Không có hại gì khi vứt nó đi vì mã bây giờ rẻ trong

53:09

age of generated code.

thời đại mã được tạo ra.

53:10

Finished code, engineered code is not cheap.

Mã hoàn chỉnh, mã được thiết kế kỹ lưỡng thì không rẻ.

53:12

So get those objectives, make them clear, build it, hit a specific requirement and move on.

Vậy hãy nắm lấy những mục tiêu đó, làm cho chúng rõ ràng, xây dựng nó, đạt được một yêu cầu cụ thể và tiếp tục.

53:18

Is there business value delivered is the other part of it.

Liệu có giá trị kinh doanh được mang lại là phần còn lại của vấn đề.

53:22

You know, I've seen people vibe coding for hours on things like Replet to build a really, really cool website and then the answer was so what?

Bạn biết đấy, tôi đã thấy mọi người vibe code hàng giờ trên những thứ như Replet để xây dựng một trang web thực sự, thực sự thú vị và rồi câu trả lời là thì sao?

53:31

I mean, how's this helping

Ý tôi là, điều này giúp ích gì cho

53:33

the business?

doanh nghiệp?

53:33

How's this really driving something?

Điều này thực sự thúc đẩy được gì?

53:35

It's really cool.

Nó thực sự thú vị.

53:36

Yes, Mr.

Vâng, thưa ông

53:37

VP, I know you've never written a line of code in your life, and it's really cool that you built a website now, but so what?

VP, tôi biết ông chưa từng viết một dòng mã nào trong đời, và thật tuyệt khi bây giờ ông đã xây dựng được một trang web, nhưng thì sao?

53:44

Um, so like think about that and focus on that and that's how you avoid the bad technical debt.

Ừm, vậy hãy nghĩ về điều đó và tập trung vào nó, và đó là cách bạn tránh được nợ kỹ thuật xấu.

53:49

And then of course the most understated part of this and in some ways the most important particularly if you're working in an organization is human understanding,

Và tất nhiên, phần bị đánh giá thấp nhất của điều này và theo một số cách là quan trọng nhất, đặc biệt nếu bạn đang làm việc trong một tổ chức, là sự hiểu biết của con người,

53:57

right?

Đúng không?

53:57

The worst technical debt that you can take on is delivering code that nobody understands, right?

Nợ kỹ thuật tồi tệ nhất mà bạn có thể gánh chịu là giao mã mà không ai hiểu, đúng không?

54:02

Only you understand that and then you quit and get a better job and then the company like is now dependent on that code.

Chỉ bạn hiểu điều đó và sau đó bạn nghỉ việc và kiếm được công việc tốt hơn, và công ty giờ phụ thuộc vào mã đó.

54:09

So being able to as part of the process of building it to make sure that your code is understandable through documentation, through clear algorithms, through the

Vì vậy, có thể như một phần của quá trình xây dựng nó để đảm bảo rằng mã của bạn dễ hiểu thông qua tài liệu, thông qua thuật toán rõ ràng, thông qua

54:18

fact that you've spent some time pouring through it to make sure that even simple things like variable names make sense, um is a really important way to avoid bad technical debt.

Việc bạn đã dành thời gian nghiền ngẫm nó để đảm bảo rằng ngay cả những thứ đơn giản như tên biến cũng có ý nghĩa, ừm, là một cách thực sự quan trọng để tránh nợ kỹ thuật xấu.

54:28

And that bad technical debt, my favorite one is the classic solution looking for a problem.

Và nợ kỹ thuật xấu đó, cái tôi thích nhất là giải pháp cổ điển đang tìm kiếm vấn đề.

54:34

Right?

Đúng không?

54:34

Somebody has an idea, somebody has a tool.

Ai đó có một ý tưởng, ai đó có một công cụ.

54:36

If the only tool you have is a hammer, every problem looks like a nail.

Nếu công cụ duy nhất bạn có là một cái búa, mọi vấn đề đều trông giống như một cái đinh.

54:40

And you know, you end up having all of these tools that get vibecoded into existence.

Và bạn biết đấy, cuối cùng bạn có tất cả những công cụ này được tạo ra bằng vibecode.

54:44

I've worked in large organizations where people just vcoded stuff, checked it into the codebase, and then it became really hard to find the good stuff amongst all the bad.

Tôi đã làm việc trong các tổ chức lớn, nơi mọi người chỉ vibecode mọi thứ, đưa nó vào cơ sở mã, và sau đó thật khó để tìm thấy những thứ tốt giữa tất cả những thứ tồi tệ.

54:52

Um,

Ừm,

54:53

spaghetti code, of course, poorly structured stuff, particularly when you prompt and prompt and prompt and prompt again.

Mã spaghetti, tất nhiên, những thứ có cấu trúc kém, đặc biệt khi bạn nhắc và nhắc và nhắc và nhắc lại.

54:59

Um, you know, that it can end up getting into all kinds of trouble.

Ừm, bạn biết đấy, nó có thể dẫn đến đủ loại rắc rối.

55:03

Um, my favorite one at the moment that I'm really struggling with is uh I'm building a MacOSS application.

Ừm, cái tôi thích nhất hiện tại mà tôi đang thực sự vật lộn là ừm tôi đang xây dựng một ứng dụng MacOSS.

55:10

Anybody ever build in Swift UI on Mac OS?

Có ai từng xây dựng bằng Swift UI trên Mac OS chưa?

55:13

Okay, a couple.

Được, một vài người.

55:14

Um, Swift UI is the default

Ừm, Swift UI là mặc định

55:16

language that Apple use for building for Mac OS as well as iPhone.

Ngôn ngữ mà Apple sử dụng để xây dựng cho Mac OS cũng như iPhone.

55:19

But when you look at the training set, the data training sets that are used to train these models, the vast majority of the code is iPhone code, not Mac OS code.

Nhưng khi bạn nhìn vào tập huấn luyện, các tập dữ liệu huấn luyện được sử dụng để huấn luyện các mô hình này, phần lớn mã là mã iPhone, không phải mã Mac OS.

55:29

And when I prompt code into existence, it's often given me iOS um APIs and those kind of things.

Và khi tôi nhắc mã thành hiện thực, nó thường cho tôi các API iOS ừm và những thứ tương tự.

55:34

Even though I'm in Xcode and I've created a Mac OS app and it's a Mac OS template and I'm talking to it in Xcode, it still gives me iOS code, stuff like that.

Mặc dù tôi đang ở trong Xcode và tôi đã tạo một ứng dụng Mac OS và đó là một mẫu Mac OS và tôi đang nói chuyện với nó trong Xcode, nó vẫn cho tôi mã iOS, những thứ như vậy.

55:43

And then if I try to change it using prompting, you end up spiraling into like spaghetti code and you have to end up changing a lot of

Và sau đó nếu tôi cố gắng thay đổi nó bằng cách nhắc, bạn sẽ rơi vào vòng xoáy như mã spaghetti và bạn phải thay đổi rất nhiều

55:51

this stuff u manually.

Thứ này ừm bằng tay.

55:52

And then of course the other one that I joked about it earlier but it's also true is you know some of the bad technical debt that you're going to encounter in the workspace is authority over merit.

Và tất nhiên cái khác mà tôi đã đùa về nó trước đó nhưng nó cũng đúng là bạn biết đấy một số nợ kỹ thuật xấu mà bạn sẽ gặp trong không gian làm việc là quyền lực hơn công lao.

56:03

Um that VP suddenly took out his credit card subscribed to Replet and started building stuff in replet and guess whose problem it is to fix it.

Ừm rằng vị VP đột nhiên rút thẻ tín dụng của mình, đăng ký Replet và bắt đầu xây dựng mọi thứ trong replet và đoán xem vấn đề của ai là sửa nó.

56:11

Um, you know,

Ừm, bạn biết đấy,

56:12

so a lot of the advice that I start giving companies and a lot of the words that I would encourage you to start thinking of in being a trusted advisor is to understand this stuff and to manage expectations accordingly.

Vì vậy, rất nhiều lời khuyên mà tôi bắt đầu đưa cho các công ty và rất nhiều từ ngữ mà tôi khuyến khích bạn bắt đầu nghĩ đến khi trở thành một cố vấn đáng tin cậy là hiểu những thứ này và quản lý kỳ vọng cho phù hợp.

56:28

Okay.

Được rồi.

56:28

So framework for responsible vibe coding we've just spoke about.

Vậy khuôn khổ cho việc vibecode có trách nhiệm mà chúng ta vừa nói đến.

56:31

Um, so one of the things I want to get into as uh we're coming soon to a close is the hype cycle.

Ừm, vậy một trong những điều tôi muốn đi sâu vào khi chúng ta sắp kết thúc là chu kỳ cường điệu.

56:37

So hype is the most amazing force.

Vậy cường điệu là lực lượng tuyệt vời nhất.

56:39

I mean, I think it's it's one of the strongest forces in the universe and particularly in anything that's hot, such as uh the two fields that I work in that are super hot at the moment and

Ý tôi là, tôi nghĩ nó là một trong những lực lượng mạnh nhất trong vũ trụ và đặc biệt trong bất cứ thứ gì đang hot, như ừm hai lĩnh vực mà tôi làm việc hiện đang cực kỳ hot và

56:50

full of hype are AI and crypto.

Đầy cường điệu là AI và crypto.

56:52

You should see my Twitter feed.

Bạn nên xem dòng Twitter của tôi.

56:54

Um that the amount of nonsense that's out there is incredible.

Ừm rằng lượng điều vô nghĩa ngoài kia thật đáng kinh ngạc.

56:58

So one of the things that I would say about the anatomy of hype that you really need to think about is if you are consuming news via social media that the currency of social media is engagement.

Vậy một trong những điều tôi muốn nói về giải phẫu của cường điệu mà bạn thực sự cần nghĩ đến là nếu bạn đang tiêu thụ tin tức qua mạng xã hội thì đơn vị tiền tệ của mạng xã hội là tương tác.

57:12

Accuracy is not the currency of social media.

Độ chính xác không phải là đơn vị tiền tệ của mạng xã hội.

57:15

So I go on to even LinkedIn which is supposed to be the more professional of these is absolutely overwhelmed with influencers posting things that they've used Gemini or GPT to write an engaging post so that they can get engagement and they can get likes and the engine itself is engineered, excuse the pun, to reward

Vì vậy tôi thậm chí lên LinkedIn, nơi được cho là chuyên nghiệp hơn trong số này, hoàn toàn tràn ngập những người có ảnh hưởng đăng những thứ họ đã dùng Gemini hoặc GPT để viết một bài đăng hấp dẫn để họ có thể nhận được tương tác và lượt thích, và bản thân cỗ máy được thiết kế, xin lỗi vì chơi chữ, để thưởng cho

57:38

those types of posts and we end up with that snowball effect of engagement being rewarded.

Những loại bài đăng đó và chúng ta kết thúc với hiệu ứng quả cầu tuyết đó khi tương tác được thưởng.

57:43

Um, if you are the kind of person who can filter the signal from the noise and then who can encourage others around the signal and not the noise, that puts you in a huge advantage that makes you very distinctive.

Ừm, nếu bạn là kiểu người có thể lọc tín hiệu khỏi tiếng ồn và sau đó có thể khuyến khích người khác xung quanh tín hiệu chứ không phải tiếng ồn, điều đó đặt bạn vào lợi thế lớn, khiến bạn rất khác biệt.

57:58

It's not as quickly and easily tangible as likes and engagements on social media,

Nó không nhanh chóng và dễ dàng hữu hình như lượt thích và tương tác trên mạng xã hội,

58:04

but when you're in a one-to-one environment like a job interview or if you are in a job and you are bringing that signal to the table instead of the noise, that makes you immensely valuable.

Nhưng khi bạn ở trong môi trường một-một như phỏng vấn xin việc hoặc nếu bạn đang làm việc và bạn mang tín hiệu đó lên bàn thay vì tiếng ồn, điều đó khiến bạn cực kỳ có giá trị.

58:16

So coming in with that mindset, coming in with the idea of trying to filter that signal from the noise, trying to understand what is important in current affairs, how you

Vì vậy, đến với tư duy đó, đến với ý tưởng cố gắng lọc tín hiệu khỏi tiếng ồn, cố gắng hiểu điều gì quan trọng trong các vấn đề thời sự, cách bạn

58:28

can be a trusted adviser in those things and how you can really whittle down that noise to help someone is immensely valuable.

Có thể là một cố vấn đáng tin cậy trong những điều đó và cách bạn thực sự có thể gọt bỏ tiếng ồn đó để giúp ai đó là vô cùng quý giá.

58:35

I want to start with one story.

Tôi muốn bắt đầu với một câu chuyện.

58:37

I might be stealing my own thunder.

Tôi có thể đang ăn cắp sấm của chính mình.

58:39

I'll go on to in a moment.

Tôi sẽ tiếp tục trong giây lát.

58:41

So one story uh last year um when agents started becoming the keyword and everybody's saying you know in 2025 agent will be the word the word of the

Vậy một câu chuyện uh năm ngoái um khi các agent bắt đầu trở thành từ khóa và mọi người đều nói bạn biết đấy vào năm 2025 agent sẽ là từ của

58:51

year and the trend of the year a company in Europe asked me to help them to implement an agent.

Năm và xu hướng của năm, một công ty ở châu Âu đã yêu cầu tôi giúp họ triển khai một agent.

58:58

So, let me ask you a question.

Vậy, để tôi hỏi bạn một câu hỏi.

59:01

If a company came up to you and said, "Please help me implement an agent." What's the correct first question that you ask them?

Nếu một công ty đến gặp bạn và nói, "Làm ơn giúp tôi triển khai một agent." Câu hỏi đầu tiên đúng đắn mà bạn hỏi họ là gì?

59:11

- What is an agent for you?

- Agent đối với bạn là gì?

59:13

- Okay, that's good.

- Được, tốt lắm.

59:14

What is an agent for you?

Agent đối với bạn là gì?

59:15

I'd actually have a more fundamental question.

Thực ra tôi sẽ có một câu hỏi cơ bản hơn.

59:17

Uh, yep.

Uh, đúng vậy.

59:18

- What do you want to do?

- Bạn muốn làm gì?

59:19

- What do you want to do?

- Bạn muốn làm gì?

59:21

Okay, even more fundamental.

Được, thậm chí còn cơ bản hơn.

59:23

My question was why?

Câu hỏi của tôi là tại sao?

59:25

Why?

Tại sao?

59:25

you know, and it's like, peel that apart.

Bạn biết đấy, và nó giống như, bóc tách điều đó ra.

59:27

Like I spoke with the CEO and he was like, "Oh, um, yeah, you know, everybody's telling me that I'm going to save business costs and, you know, I'm going to be able to do these amazing things and, um, yeah, my business is going to get better because I have agents." And I'm like, "Well, who told you that?" you know, it was like, "Oh,

Giống như tôi đã nói chuyện với CEO và anh ấy nói, "Ồ, um, vâng, bạn biết đấy, mọi người đều nói với tôi rằng tôi sẽ tiết kiệm chi phí kinh doanh và, bạn biết đấy, tôi sẽ có thể làm những điều tuyệt vời này và, um, vâng, công việc kinh doanh của tôi sẽ tốt hơn vì tôi có agent." Và tôi nói, "Vậy ai đã nói với anh điều đó?" bạn biết đấy, nó giống như, "Ồ,

59:42

yeah.

Vâng.

59:42

I read this thing on LinkedIn and I saw this thing on Twitter and it was like you." And we ended up having that conversation and it was a difficult conversation because I had to keep peeling apart and I started asking the questions that you two just mentioned as well until we really got to the essence of what he wanted to do.

Tôi đọc điều này trên LinkedIn và tôi thấy điều này trên Twitter và nó giống như bạn." Và cuối cùng chúng tôi đã có cuộc trò chuyện đó và đó là một cuộc trò chuyện khó khăn vì tôi phải tiếp tục bóc tách và tôi bắt đầu hỏi những câu hỏi mà hai bạn vừa đề cập cho đến khi chúng tôi thực sự đi đến bản chất của điều anh ấy muốn làm.

59:58

And what he really wanted to do when we to take all

Và điều anh ấy thực sự muốn làm khi chúng tôi lấy tất cả

1:00:01

domain knowledge about AI aside was that he wanted to make his salespeople more efficient.

Kiến thức chuyên môn về AI sang một bên là anh ấy muốn làm cho nhân viên bán hàng của mình hiệu quả hơn.

1:00:05

And I was like, "Okay, you want to make your sales people more efficient." Nowhere in that sentence do I hear the word AI and nowhere in that sentence do I hear the word agent.

Và tôi nói, "Được, anh muốn làm cho nhân viên bán hàng của mình hiệu quả hơn." Không có chỗ nào trong câu đó tôi nghe thấy từ AI và không có chỗ nào trong câu đó tôi nghe thấy từ agent.

1:00:15

So now as a trusted adviser, let me see what I can do to help your salespeople become more efficient.

Vậy bây giờ với tư cách là một cố vấn đáng tin cậy, để tôi xem tôi có thể làm gì để giúp nhân viên bán hàng của anh trở nên hiệu quả hơn.

1:00:20

And I'm not going

Và tôi sẽ không

1:00:22

to be an AI shill or an agent shill.

Trở thành một kẻ quảng cáo AI hay quảng cáo agent.

1:00:24

I just want to see what do we do to make your sales people more efficient.

Tôi chỉ muốn xem chúng ta làm gì để làm cho nhân viên bán hàng của anh hiệu quả hơn.

1:00:28

If anybody here has ever worked in sales, one of the things you realize what a good salesperson has to do is their homework, right?

Nếu ai ở đây từng làm việc trong lĩnh vực bán hàng, một trong những điều bạn nhận ra một nhân viên bán hàng giỏi phải làm là làm bài tập về nhà, đúng không?

1:00:34

You know, before you have a sales call with somebody, before you have a sales meeting with somebody, you need to check their background.

Bạn biết đấy, trước khi bạn có một cuộc gọi bán hàng với ai đó, trước khi bạn có một cuộc họp bán hàng với ai đó, bạn cần kiểm tra lý lịch của họ.

1:00:39

You

Bạn

1:00:40

need to check the company, you need to check the needs of the company, you know, you see it sometimes in the movie that like, oh, such and such plays golf, so I'll take them to play golf.

Cần kiểm tra công ty, bạn cần kiểm tra nhu cầu của công ty, bạn biết đấy, đôi khi bạn thấy trong phim như, ồ, người này chơi golf, vậy tôi sẽ đưa họ đi chơi golf.

1:00:49

It's not really that cliched, but there is a lot of background that needs to be done.

Nó không thực sự sáo rỗng như vậy, nhưng có rất nhiều thông tin cơ bản cần phải làm.

1:00:53

So, I spoke with him and I spoke with their leading salespeople and found out that, you know, and I asked the sales people,

Vậy, tôi đã nói chuyện với anh ấy và tôi đã nói chuyện với những nhân viên bán hàng hàng đầu của họ và phát hiện ra rằng, bạn biết đấy, và tôi đã hỏi những nhân viên bán hàng,

1:00:59

"What do you hate most about your job?" and they were like, "Well, I hate the fact that I have to waste all my time going to visit these company websites, going to look up people on LinkedIn, and every website is structured differently, right?

"Điều gì bạn ghét nhất ở công việc của mình?" và họ nói, "Chà, tôi ghét việc tôi phải lãng phí tất cả thời gian để truy cập các trang web công ty, để tra cứu mọi người trên LinkedIn, và mỗi trang web có cấu trúc khác nhau, đúng không?

1:01:12

So, I can't like, you know, just like have a path through a website that I can follow.

Vậy, tôi không thể giống như, bạn biết đấy, chỉ cần có một lộ trình qua một trang web mà tôi có thể theo.

1:01:17

I have to take on all this cognitive load." And they were spending

Tôi phải gánh tất cả tải lượng nhận thức này." Và họ đã dành

1:01:21

about 80% of their time researching and about 20% of their time selling.

Khoảng 80% thời gian của họ để nghiên cứu và khoảng 20% thời gian để bán hàng.

1:01:24

Oh, and by the way, most salespeople don't get paid very much.

Ồ, và nhân tiện, hầu hết nhân viên bán hàng không được trả lương cao lắm.

1:01:28

they have to make it up by commission.

Họ phải bù đắp bằng hoa hồng.

1:01:30

So they're only spending 20% of their time doing the thing that gets them commission directly.

Vậy họ chỉ dành 20% thời gian để làm việc trực tiếp mang lại hoa hồng cho họ.

1:01:35

So we're like, okay, well here's something now where we can start thinking about making them more efficient by cutting into

Vậy chúng tôi nói, được, đây là điều mà bây giờ chúng ta có thể bắt đầu nghĩ đến việc làm cho họ hiệu quả hơn bằng cách cắt vào

1:01:41

that.

Điều đó.

1:01:41

So we set a goal is like to make sales people 20% more efficient and then we could start rolling out the ideas of AI and then we could start rolling out the ideas of agentic AI.

Vậy chúng tôi đặt mục tiêu là làm cho nhân viên bán hàng hiệu quả hơn 20% và sau đó chúng tôi có thể bắt đầu triển khai các ý tưởng về AI và sau đó chúng tôi có thể bắt đầu triển khai các ý tưởng về AI agentic.

1:01:56

And quick question, what's the difference between AI and agentic AI?

Và câu hỏi nhanh, sự khác biệt giữa AI và AI agentic là gì?

1:02:01

Okay.

Được.

1:02:03

So, yeah.

Vậy, vâng.

1:02:07

- Okay.

- Được.

1:02:12

- Yep.

- Đúng.

1:02:12

Excellent.

Xuất sắc.

1:02:12

Yeah.

Vâng.

1:02:13

So, Agentic AI is really about breaking it down into steps.

Vậy, AI agentic thực sự là về việc chia nhỏ nó thành các bước.

1:02:16

Um, which is good engineering to begin with, right?

Um, đó là kỹ thuật tốt ngay từ đầu, đúng không?

1:02:18

But in Agentic AI in particular, I find there's a set pattern of steps that if you follow them, you end up with the whole idea of an agent.

Nhưng đặc biệt trong Agentic AI, tôi thấy có một tập hợp các bước theo mẫu mà nếu bạn làm theo, bạn sẽ đi đến toàn bộ ý tưởng về một agent.

1:02:26

The first of these steps is to understand intent.

Bước đầu tiên trong số này là hiểu ý định.

1:02:28

You know, we tend to use the words AI, artificial intelligence a lot, but what large language models are really, really good at is also understanding.

Bạn biết đấy, chúng ta có xu hướng dùng từ AI, trí tuệ nhân tạo rất nhiều, nhưng điều mà các mô hình ngôn ngữ lớn thực sự rất giỏi còn là việc hiểu.

1:02:35

So, if the first step of anything that you want to do is to understand intent, right?

Vậy nên, nếu bước đầu tiên của bất cứ điều gì bạn muốn làm là hiểu ý định, đúng không?

1:02:39

And you can use an LLM to do that to kind of think about this is the task that I need

Và bạn có thể dùng một LLM để làm điều đó, để kiểu như suy nghĩ rằng đây là nhiệm vụ tôi cần

1:02:45

to do, this is how I'm going to do it.

phải làm, đây là cách tôi sẽ làm nó.

1:02:47

Here's the intent.

Đây là ý định.

1:02:48

you know, I want to meet Bob Smith and sell widgets to Bob Smith and this is like the what I know about Bob Smith.

Bạn biết đấy, tôi muốn gặp Bob Smith và bán widget cho Bob Smith, và đây là những gì tôi biết về Bob Smith.

1:02:56

Help me with that intent.

Hãy giúp tôi với ý định đó.

1:02:57

The second part then is planning, right?

Phần thứ hai sau đó là lập kế hoạch, đúng không?

1:03:00

So you declare to an agent what tools are available to it, browsing the web, searching the web, all of these kind of things.

Vậy nên bạn khai báo cho một agent những công cụ nào có sẵn cho nó, duyệt web, tìm kiếm web, tất cả những thứ kiểu như vậy.

1:03:07

And once you understand your clear intent to be able

Và một khi bạn hiểu rõ ý định của mình để có thể

1:03:11

to go to the step of planning and using those tools for planning and an LLM is very good at then breaking that down into the steps that it needs to execute a plan.

đi đến bước lập kế hoạch và sử dụng những công cụ đó để lập kế hoạch, thì một LLM rất giỏi trong việc chia nhỏ điều đó thành các bước mà nó cần để thực thi một kế hoạch.

1:03:21

Search the web with these keywords.

Tìm kiếm web với những từ khóa này.

1:03:22

Browse this website and find these links.

Duyệt trang web này và tìm những liên kết này.

1:03:24

Those types of things.

Những kiểu thứ như vậy.

1:03:26

Once it's then figured out that plan, then it uses the tools to get to a result.

Một khi nó đã hình dung ra kế hoạch đó, thì nó dùng các công cụ để đi đến một kết quả.

1:03:30

And then once it has the result, the fourth and final step is to reflect on that result.

Và sau đó một khi nó có kết quả, bước thứ tư và cũng là bước cuối cùng là phản tư về kết quả đó.

1:03:34

and looking at the result and going back to the intent.

Và nhìn vào kết quả rồi quay lại với ý định.

1:03:37

Did we meet the intent?

Chúng ta có đạt được ý định không?

1:03:38

Yes or no?

Có hay không?

1:03:39

If we didn't, then go back to that loop.

Nếu không, thì quay lại vòng lặp đó.

1:03:41

All agent is really broken down into those things.

Mọi agent thực sự được chia nhỏ thành những thứ đó.

1:03:43

And if you think about breaking

Và nếu bạn nghĩ đến việc chia nhỏ

1:03:45

any problem down into those four steps, that's when you start building an agent.

bất kỳ vấn đề nào thành bốn bước đó, thì đó là lúc bạn bắt đầu xây dựng một agent.

1:03:49

And that was part of being a trusted adviser.

Và đó là một phần của việc trở thành một cố vấn đáng tin cậy.

1:03:51

Instead of coming in and waving hands and saying agent this, agent that, look at this toolkit, save 20%.

Thay vì bước vào và vung tay nói agent cái này, agent cái kia, hãy nhìn bộ công cụ này, tiết kiệm 20%.

1:03:56

You know, it's really to break it down into those steps.

Bạn biết đấy, thực sự là phải chia nhỏ nó thành những bước đó.

1:03:59

So, we did.

Vậy nên, chúng tôi đã làm.

1:04:00

We broke it down into those steps.

Chúng tôi đã chia nhỏ nó thành những bước đó.

1:04:02

We built a pilot for the salespeople of this company.

Chúng tôi đã xây dựng một thử nghiệm cho đội ngũ nhân viên bán hàng của công ty này.

1:04:05

and they ended up saving between 10 and 15% of their time of their wasted time.

Và cuối cùng họ tiết kiệm được từ 10 đến 15% thời gian của họ, thời gian bị lãng phí của họ.

1:04:11

The doctrine of unintended consequences hit though after this.

Tuy nhiên, học thuyết về những hậu quả không lường trước đã ập đến sau đó.

1:04:14

And the unintended consequence was the salespeople were much happier because the average salesperson was making you know several percentage points more sales in a given week.

Và hậu quả không lường trước đó là các nhân viên bán hàng hạnh phúc hơn nhiều vì một nhân viên bán hàng trung bình đạt được, bạn biết đấy, doanh số cao hơn vài điểm phần trăm trong một tuần nhất định.

1:04:24

They were earning more money in a given week and their job just became a little bit less miserable.

Họ kiếm được nhiều tiền hơn trong một tuần nhất định và công việc của họ trở nên bớt khổ sở hơn một chút.

1:04:31

and then refinement to that agentic process to be able to do all of that research for them and to help give them a brief in a few minutes instead of a few hours to help them with the sales process ended up being like a win-win-win all around.

Và sau đó việc tinh chỉnh quy trình agentic đó để có thể làm tất cả việc nghiên cứu đó cho họ và giúp đưa cho họ một bản tóm tắt trong vài phút thay vì vài giờ để hỗ trợ họ trong quy trình bán hàng hóa ra lại là kiểu như một thắng lợi toàn diện cho tất cả các bên.

1:04:43

But if you go in being hypedled and like oh build an agent for the thing without really peeling apart the business requirements, the why, the

Nhưng nếu bạn bước vào với tâm thế bị thổi phồng và kiểu như ôi hãy xây dựng một agent cho thứ đó mà không thực sự bóc tách các yêu cầu kinh doanh, lý do,

1:04:50

what, the how, and all of these kind of things.

cái gì, như thế nào, và tất cả những thứ kiểu như vậy.

1:04:53

We ended up like, you know, this company just would have been lost in hype.

Cuối cùng thì kiểu như, bạn biết đấy, công ty này hẳn đã bị lạc lối trong sự thổi phồng.

1:04:57

You've probably seen reports recently.

Bạn có thể đã thấy các báo cáo gần đây.

1:04:58

I think McKenzie put one out last week showing that about 85% of AI projects at companies fail.

Tôi nghĩ McKenzie đã công bố một báo cáo vào tuần trước cho thấy khoảng 85% các dự án AI tại các công ty thất bại.

1:05:04

Um, and part of the main reason for that is that they're not well scoped.

Ừm, và một phần lý do chính cho điều đó là chúng không được xác định phạm vi tốt.

1:05:08

People are jumping on the hype bandwagon and

Mọi người đang nhảy lên đoàn tàu thổi phồng và

1:05:11

they're not really understanding their way through the problem.

họ không thực sự hiểu rõ đường đi của mình xuyên qua vấn đề.

1:05:13

And I think you know the big brains in this room and the network that you folks have a really key component of being able to succeed is to understand your way through that problem.

Và tôi nghĩ bạn biết đấy, những bộ óc lớn trong căn phòng này và mạng lưới mà các bạn có, một thành phần thực sự then chốt để có thể thành công là hiểu rõ đường đi của mình xuyên qua vấn đề đó.

1:05:23

So that was a hype example around Agentic that I was thankfully able to help this company through.

Vậy đó là một ví dụ về sự thổi phồng xung quanh Agentic mà tôi may mắn có thể giúp công ty này vượt qua.

1:05:29

Other recent hype examples you've probably

Những ví dụ thổi phồng gần đây khác mà bạn có thể đã

1:05:31

seen the software engineering is dead.

thấy là kỹ thuật phần mềm đã chết.

1:05:33

My personal favorite Hollywood is dead or AGI by year end.

Cái tôi thích nhất cá nhân là Hollywood đã chết hoặc AGI vào cuối năm nay.

1:05:36

Um, I was in Saudi Arabia at this time last year at a thing called the FI and it was a dinner at the FI and I sat beside the CEO of a company who I'm not going to name, but this was a CEO of a generative AI company and at that time he was showing everybody around the table this thing that he'd done where it was text to video and he

Ừm, tôi đã ở Ả Rập Saudi vào thời điểm này năm ngoái tại một sự kiện gọi là FI và đó là một bữa tối tại FI, và tôi ngồi cạnh CEO của một công ty mà tôi sẽ không nêu tên, nhưng đây là CEO của một công ty generative AI và vào thời điểm đó ông ấy đang cho mọi người quanh bàn xem thứ mà ông ấy đã làm, đó là text thành video và ông ấy

1:05:58

could put in a text prompt and get video out of the prompt and get about 6 seconds worth of video out of it.

Có thể đưa vào một câu lệnh văn bản và nhận video từ câu lệnh đó và nhận được khoảng 6 giây video từ nó.

1:06:03

Year ago, that was I beg you pardon two years ago.

Một năm trước, đó là, xin lỗi, hai năm trước.

1:06:06

two years ago that was hot stuff.

Hai năm trước đó là thứ hot.

1:06:08

Nowadays obviously it's quite p anybody can do it.

Ngày nay rõ ràng nó khá là bất kỳ ai cũng có thể làm được.

1:06:10

But he made a comment at that table and it was a lot of like um media executives at that table was like by this time next year from a single prompt we'll be able to do 90 minutes of video and uh so bye-bye Hollywood you know like so the whole Hollywood is dead meme I think came out of that.

Nhưng anh ấy đã đưa ra một bình luận tại bàn đó và có rất nhiều kiểu như ừm các giám đốc truyền thông tại bàn đó nói rằng đến thời điểm này năm sau từ một câu lệnh duy nhất chúng ta sẽ có thể làm được 90 phút video và ừm vậy tạm biệt Hollywood bạn biết đấy kiểu như vậy nên toàn bộ meme Hollywood đã chết tôi nghĩ xuất phát từ đó.

1:06:27

First of all we can't do 90 minutes even two

Đầu tiên, chúng ta không thể làm được 90 phút thậm chí hai

1:06:30

years later from a prompt and even if you did what kind of prompt would be able to tell you a full story of a movie right?

Nhiều năm sau từ một câu lệnh và ngay cả khi bạn làm được thì loại câu lệnh nào có thể kể cho bạn một câu chuyện đầy đủ của một bộ phim đúng không?

1:06:39

So this type of hype leads to engagement.

Vậy nên kiểu cường điệu này dẫn đến tương tác.

1:06:41

This type of hype leads to attention.

Kiểu cường điệu này dẫn đến sự chú ý.

1:06:44

But my encouragement to you is to peel that apart.

Nhưng lời khuyên của tôi dành cho bạn là hãy bóc tách nó ra.

1:06:47

Look for the signal.

Tìm kiếm tín hiệu.

1:06:48

Ask the why question.

Đặt câu hỏi tại sao.

1:06:49

Ask the what question and move on from there.

Đặt câu hỏi cái gì và tiếp tục từ đó.

1:06:53

So becoming that trusted adviser, world's drowning in hype.

Vậy nên trở thành cố vấn đáng tin cậy đó, thế giới đang chìm trong cường điệu.

1:06:55

How do you do it?

Bạn làm điều đó như thế nào?

1:06:57

Look at the trends, evaluate them objectively.

Nhìn vào các xu hướng, đánh giá chúng một cách khách quan.

1:06:59

Look at the genuine opportunities that are out there.

Nhìn vào những cơ hội thực sự đang ở ngoài kia.

1:07:02

There are fashionable distractions.

Có những thứ gây xao nhãng thời thượng.

1:07:03

I don't know what the next one is going to be, but there are these distractions that are out there that will get you lots of engagement on social media.

Tôi không biết cái tiếp theo sẽ là gì, nhưng có những thứ gây xao nhãng ngoài kia sẽ mang lại cho bạn nhiều tương tác trên mạng xã hội.

1:07:12

Ignore them

Bỏ qua chúng

1:07:13

and ignore the people that are leaning into them.

Và bỏ qua những người đang hùa theo chúng.

1:07:16

And then really lean into your skills about explaining technical reality to leadership.

Và sau đó thực sự tập trung vào kỹ năng của bạn về việc giải thích thực tế kỹ thuật cho lãnh đạo.

1:07:20

Uh, one skill that one person coached me in once that I thought was really interesting because it sounded wrong but it ended up being right was whenever you see something like this, try to figure out how to make it as mundane as possible.

Ừ, một kỹ năng mà một người đã từng huấn luyện tôi mà tôi nghĩ thực sự thú vị vì nó nghe có vẻ sai nhưng cuối cùng lại đúng là bất cứ khi nào bạn thấy điều gì đó như thế này, hãy cố gắng tìm cách làm cho nó trở nên tầm thường nhất có thể.

1:07:35

When you can

Khi bạn có thể

1:07:36

figure out how to make it as mundane as possible, then you really begin to build the grounding for being able to explain it in detail in ways that people need to understand, right?

Tìm ra cách làm cho nó trở nên tầm thường nhất có thể, thì bạn thực sự bắt đầu xây dựng nền tảng để có thể giải thích nó một cách chi tiết theo những cách mà mọi người cần hiểu, đúng không?

1:07:46

Like if I you go and you look at you know I think Gemini 3 um was released today but there were leaks earlier this week and one person kind of leaked that I built a Minecraft clone and a prompt you know that kind of

Kiểu như nếu tôi bạn đi và bạn nhìn vào bạn biết đấy tôi nghĩ Gemini 3 ừm được phát hành hôm nay nhưng có những rò rỉ trước đó trong tuần này và một người đã tiết lộ rằng tôi đã xây dựng một bản sao Minecraft và một câu lệnh bạn biết đấy kiểu

1:08:00

stuff.

Những thứ đó.

1:08:00

This is the opposite of mundane, right?

Đây là điều ngược lại với tầm thường, đúng không?

1:08:02

This was like massively hyping the thing, massively showing, and of course they didn't.

Đây giống như cường điệu hóa thứ đó một cách ồ ạt, trình diễn ồ ạt, và tất nhiên họ đã không làm.

1:08:06

They built a flashy demo.

Họ đã xây dựng một bản demo hào nhoáng.

1:08:07

They didn't really build a Minecraft clone.

Họ thực sự không xây dựng một bản sao Minecraft.

1:08:09

But the idea here is if you can peel that apart to like, okay, how do I think about what are the mundane things that are happening here?

Nhưng ý tưởng ở đây là nếu bạn có thể bóc tách nó ra thành kiểu, được rồi, làm thế nào tôi nghĩ về những điều tầm thường đang xảy ra ở đây?

1:08:17

Um the one that I've been working with a lot recently is video.

Ừm cái mà tôi đã làm việc nhiều gần đây là video.

1:08:20

So text to video prompts, as I've mentioned, instead of the magical you can do whatever you want, all nice and fluffy, Hollywood is dead.

Vậy nên các câu lệnh văn bản thành video, như tôi đã đề cập, thay vì điều kỳ diệu bạn có thể làm bất cứ điều gì bạn muốn, tất cả đều đẹp đẽ và mượt mà, Hollywood đã chết.

1:08:28

What is the mundane element of doing text to video?

Yếu tố tầm thường của việc làm văn bản thành video là gì?

1:08:31

The mundane element of doing text to video is that when you train a model to create video from a text prompt, what it is

Yếu tố tầm thường của việc làm văn bản thành video là khi bạn huấn luyện một mô hình để tạo video từ một câu lệnh văn bản, điều nó đang

1:08:39

doing is it's creating a number of successive frames.

Làm là nó đang tạo ra một số khung hình liên tiếp.

1:08:41

And each of those successive frames is going to be slightly different from the frame before.

Và mỗi khung hình liên tiếp đó sẽ hơi khác so với khung hình trước đó.

1:08:45

And you've trained a model by looking at video to say, well, you know, if in frame one the person's hands like this, in frame two it's like that, then you can predict it moves this way if there's a matching prompt.

Và bạn đã huấn luyện một mô hình bằng cách nhìn vào video để nói rằng, ừ, bạn biết đấy, nếu trong khung một tay người như thế này, trong khung hai nó như thế kia, thì bạn có thể dự đoán nó di chuyển theo cách này nếu có một câu lệnh khớp.

1:08:56

And suddenly

Và đột nhiên

1:08:57

it's become a little bit more mundane but suddenly they begin to understand it and then the people who are experts in that specific field not the technical side of it are now the ones that will actually be able to come up and do brilliant things with it.

Nó trở nên tầm thường hơn một chút nhưng đột nhiên họ bắt đầu hiểu nó và sau đó những người là chuyên gia trong lĩnh vực cụ thể đó không phải khía cạnh kỹ thuật của nó giờ là những người thực sự có thể đứng lên và làm những điều tuyệt vời với nó.

1:09:11

So that hype navigation strategy filter actively go deep on the fundamentals get your slides to work and then of course keep your finger on the pulse.

Vậy nên chiến lược điều hướng cường điệu đó lọc chủ động đi sâu vào các nguyên tắc cơ bản làm cho slide của bạn hoạt động và sau đó tất nhiên giữ ngón tay của bạn trên mạch đập.

1:09:17

The hardest part of that I think is the third one is really keeping your finger on the pulse and that's when you have to wait into those cess pits of people like just farming engagement and really try to figure out the signal from the noise

Phần khó nhất của điều đó tôi nghĩ là phần thứ ba thực sự là giữ ngón tay của bạn trên mạch đập và đó là khi bạn phải chờ đợi vào những hố phân của những người chỉ đang cày tương tác và thực sự cố gắng tìm ra tín hiệu từ tiếng ồn

1:09:30

there.

Ở đó.

1:09:30

But I think it's really important for you to be able to do that to be connected to understand that reading papers is all very good.

Nhưng tôi nghĩ điều thực sự quan trọng đối với bạn là có thể làm điều đó để được kết nối để hiểu rằng đọc các bài báo đều rất tốt.

1:09:37

The signal to noise ratio I think in reading papers is a lot better.

Tỷ lệ tín hiệu trên tiếng ồn tôi nghĩ khi đọc các bài báo tốt hơn nhiều.

1:09:40

But to understand the landscape that the people that you are advising, they are the ones who are waiting in the cesspools of Twitter and X and LinkedIn and there's nothing wrong

Nhưng để hiểu bối cảnh mà những người bạn đang cố vấn, họ là những người đang chờ đợi trong những vũng nước thải của Twitter và X và LinkedIn và không có gì sai

1:09:49

with those platforms in and of themselves, but the stuff that's posted on those platforms.

Với những nền tảng đó tự thân, nhưng những thứ được đăng trên những nền tảng đó.

1:09:55

So overall landscape, it is ripe with opportunity.

Vậy nên tổng thể bối cảnh, nó đầy rẫy cơ hội.

1:09:58

Absolutely ripe with opportunity.

Hoàn toàn đầy rẫy cơ hội.

1:10:00

Um, so I would encourage you as Andrew did to continue learning, to continue digging into what you can do and to continue building.

Ừm, vậy nên tôi cũng khuyến khích bạn như Andrew đã làm, hãy tiếp tục học hỏi, tiếp tục đào sâu vào những gì bạn có thể làm và tiếp tục xây dựng.

1:10:10

But there are risks ahead, right?

Nhưng phía trước có những rủi ro, đúng không?

1:10:13

You know the Have anybody remember the movie Titanic?

Bạn biết đấy, có ai còn nhớ bộ phim Titanic không?

1:10:17

remember the famous phrase in that iceberg right ahead you know but immediately before that there's a scene in Titanic if we weren't being filmed I would show it but I can't uh for copyright reasons where the two guys up in the crow's nests are kind of like freezing and talking and like the crow's nest at the top of the ship is where the spotters would be to spot any icebergs

Hãy nhớ câu nói nổi tiếng trong đó 'tảng băng trôi ngay phía trước' bạn biết đấy, nhưng ngay trước đó có một cảnh trong Titanic, nếu chúng ta không đang quay phim thì tôi sẽ cho xem, nhưng tôi không thể vì lý do bản quyền, nơi hai người trên đài quan sát ở cột buồm đang kiểu như đóng băng và nói chuyện, và đài quan sát trên đỉnh tàu là nơi những người quan sát sẽ ở đó để phát hiện bất kỳ tảng băng trôi nào.

1:10:36

in front and go back and watch the movie again you'll see the conversation between these two guys is that all they're talking about is how cold they are um and then it cuts away to the crew of the ship who are like, "Wait, aren't they supposed to have binoculars?" You know, and then the crew is like, "Oh, we left the binoculars behind in port." That framing the whole idea was like

Ở phía trước và hãy quay lại xem bộ phim một lần nữa, bạn sẽ thấy cuộc trò chuyện giữa hai người này chỉ toàn nói về việc họ lạnh như thế nào, ừm, và sau đó nó chuyển sang cảnh thủy thủ đoàn của tàu, những người kiểu như, 'Chờ đã, không phải họ được cho ống nhòm sao?' Bạn biết đấy, và rồi thủy thủ đoàn kiểu như, 'Ồ, chúng tôi đã để quên ống nhòm ở cảng.' Cái khung cảnh đó, toàn bộ ý tưởng là kiểu như

1:10:55

they were so arrogant in being able to move forward that they didn't want to look out for any particular risks.

Họ quá kiêu ngạo khi có thể tiến về phía trước đến mức họ không muốn để ý đến bất kỳ rủi ro cụ thể nào.

1:11:00

And even though they had people whose job it was to look out for risks, they didn't properly equip or train them.

Và mặc dù họ có những người mà công việc của họ là để ý đến rủi ro, họ đã không trang bị hoặc huấn luyện họ đúng cách.

1:11:06

And that to me is a really good metaphor for where the AI industry is today.

Và với tôi, đó là một ẩn dụ thực sự hay cho vị trí của ngành AI ngày nay.

1:11:10

There are risks in front of us.

Có những rủi ro ở phía trước chúng ta.

1:11:12

um those risks, the B- word, the bubble word

Ừm, những rủi ro đó, từ bắt đầu bằng B, từ bong bóng

1:11:15

you're probably reading in the news is there are there.

Bạn có thể đang đọc trên tin tức là có, chúng có ở đó.

1:11:19

Um to me though, the opportunity and the um the uh the things to think about in terms of a bubble are most of you probably don't remember the dot bubble of the 2000s.

Ừm, tuy nhiên với tôi, cơ hội và ừm, những điều cần suy nghĩ về một bong bóng là hầu hết các bạn có thể không nhớ bong bóng dot-com của những năm 2000.

1:11:32

But if you think about the dot bubble, that was the biggest bubble in history.

Nhưng nếu bạn nghĩ về bong bóng dot-com, đó là bong bóng lớn nhất trong lịch sử.

1:11:38

It burst, but we're still here.

Nó vỡ, nhưng chúng ta vẫn ở đây.

1:11:41

And the people who did.com rights not only survived, they

Và những người đã làm đúng về dot-com không chỉ sống sót, họ

1:11:45

thrived.

Phát triển mạnh.

1:11:45

Amazon, Google, you know, they did it right.

Amazon, Google, bạn biết đấy, họ đã làm đúng.

1:11:47

They understood the fundamentals of what it was to build a.com.

Họ hiểu những nguyên tắc cơ bản của việc xây dựng một dot-com.

1:11:51

They understood the fundamentals of what it was to build a business on.com.

Họ hiểu những nguyên tắc cơ bản của việc xây dựng một doanh nghiệp trên dot-com.

1:11:55

And when the bubble of hype burst, they didn't go with it.

Và khi bong bóng cường điệu vỡ, họ không đi theo nó.

1:11:59

There was one website, I believe it was pets.com, that they had the mindset of if you build it, they will come.

Có một trang web, tôi tin là pets.com, họ có tư duy kiểu nếu bạn xây dựng nó, họ sẽ đến.

1:12:06

They had Super

Họ có quảng cáo Super

1:12:07

Bowl commercials around pets.com.

Bowl quanh pets.com.

1:12:08

they couldn't handle the traffic that they got and that was the kind of site that when the when the bubble burst those were the kind of sites that just evaporated.

Họ không thể xử lý lưu lượng truy cập mà họ nhận được và đó là loại trang web mà khi bong bóng vỡ, đó là loại trang web chỉ biến mất.

1:12:18

So that bubble in AI is likely coming.

Vậy bong bóng trong AI có khả năng đang đến.

1:12:20

There is always a bubble.

Luôn có một bong bóng.

1:12:22

So the companies that are doing AI right are the ones like I said that won't just you know um avoid the bubble that they will actually thrive uh post-bubble.

Vậy các công ty đang làm AI đúng là những công ty như tôi đã nói, những người không chỉ, bạn biết đấy, ừm, tránh bong bóng mà họ sẽ thực sự phát triển mạnh ừm sau bong bóng.

1:12:31

and the people who are doing AI right, the folks in this room who are thinking about AI and how you bring it to your company and the advice that you're giving to your company and leaning into that in the right way will also be the

Và những người đang làm AI đúng, những người trong phòng này đang suy nghĩ về AI và cách bạn mang nó đến công ty của bạn và lời khuyên mà bạn đang đưa ra cho công ty của bạn và dấn thân vào đó theo cách đúng đắn cũng sẽ là những

1:12:46

ones who not only avoid getting laid off in the bubble crashes but the what will be the ones who will thrive through and after the bubble.

Người không chỉ tránh bị sa thải khi bong bóng vỡ mà sẽ là những người sẽ phát triển mạnh qua và sau bong bóng.

1:12:54

So anatomy of any bubble and what I'm seeing in the AI one in particular is this kind of pyramid.

Vậy giải phẫu của bất kỳ bong bóng nào và những gì tôi đang thấy trong bong bóng AI nói riêng là kiểu kim tự tháp này.

1:13:00

At the top is the hype that I've been talking about.

Ở trên cùng là sự cường điệu mà tôi đã nói đến.

1:13:03

At the bottom is massive VC investment.

Ở dưới cùng là đầu tư VC khổng lồ.

1:13:05

I'll be frank, I'm already seeing that drying up, right?

Tôi sẽ thẳng thắn, tôi đã thấy điều đó đang cạn kiệt, đúng không?

1:13:09

You know, once upon a time you could go out with anything that had AI written on it and get VC investment.

Bạn biết đấy, ngày xưa bạn có thể ra ngoài với bất cứ thứ gì có chữ AI trên đó và nhận được đầu tư VC.

1:13:15

Then you could go out and do anything with an LLM and get VC investment.

Sau đó bạn có thể ra ngoài và làm bất cứ điều gì với một LLM và nhận được đầu tư VC.

1:13:20

Now they're far, far more cautious.

Bây giờ họ thận trọng hơn nhiều, rất nhiều.

1:13:21

I've been advising a lot of startups.

Tôi đã cố vấn cho rất nhiều startup.

1:13:24

The amount that they're getting invested is being scaled back.

Số tiền họ nhận được đang bị cắt giảm.

1:13:27

Um, the, uh, the stuff that's being invested in is changing, and you know, the, you know, this, the second layer down, massive VC investment, is already beginning to vanish.

Ừm, những thứ đang được đầu tư đang thay đổi, và bạn biết đấy, lớp thứ hai từ dưới lên, đầu tư VC khổng lồ, đã bắt đầu biến mất.

1:13:37

Unrealistic valuations, companies that aren't making money being valued massively high.

Định giá phi thực tế, các công ty không kiếm được tiền được định giá cực cao.

1:13:41

We all know who they are.

Chúng ta đều biết họ là ai.

1:13:43

You know, we're beginning to see those unrealistic valuations being fed off of that hype.

Bạn biết đấy, chúng ta đang bắt đầu thấy những định giá phi thực tế đó được nuôi dưỡng từ sự cường điệu đó.

1:13:49

Me too products where somebody does something and it's successful and everybody jumps on the bandwagon.

Sản phẩm 'tôi cũng vậy' nơi ai đó làm điều gì đó và nó thành công và mọi người nhảy lên băng đảng.

1:13:53

We're also seeing them everywhere.

Chúng ta cũng đang thấy chúng ở khắp mọi nơi.

1:13:54

We saw them throughout the dot bubble, right?

Chúng ta đã thấy chúng suốt bong bóng dot-com, đúng không?

1:13:57

And then right at the bottom is that real value.

Và rồi ngay ở dưới cùng là giá trị thực sự.

1:14:00

You know, I probably shouldn't have done a, the triangle like this.

Bạn biết đấy, có lẽ tôi không nên làm một hình tam giác như thế này.

1:14:03

It should be more an upside down triangle, right?

Nó nên là một hình tam giác ngược, đúng không?

1:14:06

Because you know, the, uh, the real

Bởi vì bạn biết đấy, ừm, cái thực sự

1:14:08

value here is small bit.

Giá trị ở đây là một phần nhỏ.

1:14:09

I vibe coded these slides into existence.

Tôi đã vibe code những slide này thành hiện thực.

1:14:11

So this is one of the technical debt I took on, um, you know.

Vậy đây là một trong những khoản nợ kỹ thuật mà tôi đã gánh, ừm, bạn biết đấy.

1:14:15

So the, but the real value there, that, that kernel of value is there, and the ones that build for that will be the ones that survive.

Vậy nên, nhưng giá trị thực sự ở đó, cái, cái hạt nhân giá trị đó vẫn ở đó, và những ai xây dựng vì điều đó sẽ là những người tồn tại.

1:14:23

So the direction that I see the AI industry going in, um, and the direction that I encourage you to start thinking about your skills in, is really over the next five years there's going to be a bifurcation.

Vậy nên hướng mà tôi thấy ngành AI đang đi, ừm, và hướng mà tôi khuyến khích các bạn bắt đầu suy nghĩ về kỹ năng của mình, thực sự là trong năm năm tới sẽ có một sự phân nhánh.

1:14:34

Okay, it's going to, I'm just going to be orary in how I describe them as big and small, right?

Được rồi, nó sẽ, tôi sẽ chỉ tạm gọi chúng là lớn và nhỏ thôi, đúng chứ?

1:14:40

Big AI will be what we see today with the large language models getting bigger in the, in

AI lớn sẽ là những gì chúng ta thấy ngày nay với các mô hình ngôn ngữ lớn ngày càng lớn hơn trong, trong

1:14:46

the desire to drive towards AGI.

Khát vọng hướng tới AGI.

1:14:47

The Geminis, the Claudes, the Open AIs of the world are going to continue to drive bigger and bigger is better in the mindset of those companies towards achieving AGI or towards achieving better business value.

Những Gemini, Claude, OpenAI trên thế giới sẽ tiếp tục thúc đẩy quan điểm lớn hơn và lớn hơn là tốt hơn trong tư duy của những công ty đó để đạt được AGI hoặc để đạt được giá trị kinh doanh tốt hơn.

1:14:58

That's going to be one side of the branch.

Đó sẽ là một nhánh.

1:15:01

The other side of the branch is, I'm going to call it small.

Nhánh còn lại, tôi sẽ gọi nó là nhỏ.

1:15:05

We've all seen open source

Tất cả chúng ta đều đã thấy mã nguồn mở

1:15:07

models.

Các mô hình.

1:15:07

Um, I hate the term open source.

Ừm, tôi ghét thuật ngữ mã nguồn mở.

1:15:10

Let me call them open weights, or let me call them self-hostable, uh, models are becoming, they're exploding onto the landscape.

Để tôi gọi chúng là trọng số mở, hoặc để tôi gọi chúng là có thể tự lưu trữ, ừ, các mô hình đang trở nên, chúng đang bùng nổ trên toàn cảnh.

1:15:17

Um, I read an article recently about Y Combinator that 80% of the companies in Y Combinator were using small models from China in particular.

Ừm, tôi đọc một bài báo gần đây về Y Combinator rằng 80% các công ty trong Y Combinator đang sử dụng các mô hình nhỏ, đặc biệt là từ Trung Quốc.

1:15:26

Um, so the Chinese models, um, in particular are doing really well, probably because of the overall landscape there, not leaning into the

Ừm, vậy nên các mô hình Trung Quốc, ừm, đặc biệt đang làm rất tốt, có lẽ vì toàn cảnh chung ở đó, không dựa vào

1:15:34

large models the same way as the west is.

Các mô hình lớn theo cách mà phương Tây đang làm.

1:15:36

Um, I see that bifurcation happening.

Ừm, tôi thấy sự phân nhánh đó đang diễn ra.

1:15:38

China I think has that head start on the small models that may last, it may not, does, I don't know.

Trung Quốc tôi nghĩ có lợi thế dẫn đầu về các mô hình nhỏ, điều đó có thể kéo dài, có thể không, tôi không biết.

1:15:44

Uh, but the point is we're heading in that particular direction of, I'm going to call them instead of big and small now, models that are hosted on your behalf by somebody else, like a GPT or a Gemini or a Claude, or models that you can host yourself for your own needs.

Ừ, nhưng vấn đề là chúng ta đang đi theo hướng cụ thể đó, tôi sẽ gọi chúng thay vì lớn và nhỏ bây giờ, là các mô hình được ai đó lưu trữ thay mặt bạn, như GPT hay Gemini hay Claude, hoặc các mô hình mà bạn có thể tự lưu trữ cho nhu cầu của riêng mình.

1:16:00

Um, as this side is right

Ừm, khi phía này hiện

1:16:02

now is underserved.

Tại đang chưa được phục vụ đầy đủ.

1:16:03

This bubble may burst.

Bong bóng này có thể sẽ vỡ.

1:16:04

This one right now is underserved and that this bubble will be later on.

Cái này hiện tại đang chưa được phục vụ đầy đủ và bong bóng này sẽ đến sau.

1:16:10

Um, and the major skills that I can see developers needing over the next two to three years on this side of the fence will be fine-tuning.

Ừm, và những kỹ năng chính mà tôi có thể thấy các nhà phát triển cần trong hai đến ba năm tới ở phía này sẽ là tinh chỉnh.

1:16:18

Uh, so the ability to take an open source model and fine-tune it for particular downstream tasks.

Ừ, tức là khả năng lấy một mô hình mã nguồn mở và tinh chỉnh nó cho các tác vụ hạ nguồn cụ thể.

1:16:24

Let me give one concrete example of that I've personally experienced.

Để tôi đưa ra một ví dụ cụ thể mà tôi đã trải nghiệm cá nhân.

1:16:27

I work a lot in Hollywood and I've worked a lot with studios

Tôi làm việc nhiều ở Hollywood và tôi đã làm việc nhiều với các hãng phim

1:16:32

making movies and, um, one studio in particular I was lucky enough to sell a movie to.

Làm phim và, ừm, một hãng phim cụ thể mà tôi may mắn bán được một bộ phim cho họ.

1:16:37

It's still in pre-production.

Nó vẫn đang trong giai đoạn tiền sản xuất.

1:16:39

It'll probably be in pre-production forever.

Nó có thể sẽ mãi mãi ở giai đoạn tiền sản xuất.

1:16:41

Um, but one of the things I learned as part of that process was IP in studios is so protected it's not even funny.

Ừm, nhưng một trong những điều tôi học được trong quá trình đó là IP trong các hãng phim được bảo vệ đến mức không buồn cười.

1:16:49

Um, go and Google for James Cameron who created Avatar and the lawsuits that he's involved in of this person who apparently sent him a story many years ago about blue aliens and is now suing him for billions of dollars

Ừm, hãy lên Google tìm James Cameron, người tạo ra Avatar và các vụ kiện mà ông ấy liên quan, về người này, người mà rõ ràng đã gửi cho ông ấy một câu chuyện nhiều năm trước về những người ngoài hành tinh xanh và giờ đang kiện ông ấy hàng tỷ đô la

1:17:03

because obviously there were blue aliens in Avatar.

Bởi vì rõ ràng là có những người ngoài hành tinh xanh trong Avatar.

1:17:05

Um, the level of IP protection in Hollywood is insane.

Ừm, mức độ bảo vệ IP ở Hollywood thật điên rồ.

1:17:09

The opportunity with large language models is equally insane.

Cơ hội với các mô hình ngôn ngữ lớn cũng điên rồ không kém.

1:17:12

Um, a lot of the focus is on large language models for creation, for storytelling, for rendering and all that.

Ừm, rất nhiều sự tập trung là vào các mô hình ngôn ngữ lớn để sáng tạo, để kể chuyện, để kết xuất và tất cả những thứ đó.

1:17:19

But actually the major opportunity that they have is actually for analysis.

Nhưng thực ra cơ hội lớn mà họ có thực sự là để phân tích.

1:17:23

Um, to take a

Ừm, để lấy một

1:17:25

look at, um, synopses of movies and find out what works and what doesn't.

Nhìn vào, ừm, các tóm tắt phim và tìm ra cái gì hiệu quả và cái gì không.

1:17:29

Why was this movie a hit and this one wasn't?

Tại sao phim này thành công còn phim kia thì không?

1:17:32

What time of year was this one released and became successful and this one wasn't?

Phim này được phát hành vào thời điểm nào trong năm và trở nên thành công còn phim kia thì không?

1:17:35

And with the margin on movies being razor thin, that kind of analysis is huge.

Và với biên lợi nhuận của phim mỏng như dao cạo, kiểu phân tích đó là rất lớn.

1:17:39

But in order to do that kind of analysis, you need to share the details of your movie with a large language model.

Nhưng để làm được kiểu phân tích đó, bạn cần chia sẻ chi tiết về bộ phim của mình với một mô hình ngôn ngữ lớn.

1:17:45

And they will absolutely not do that with a GPT or a Gemini or whatever because they're now sharing their IP

Và họ tuyệt đối sẽ không làm điều đó với GPT hay Gemini hay bất cứ thứ gì vì họ đang chia sẻ IP của mình

1:17:51

with a third party.

Với một bên thứ ba.

1:17:52

Enter small models where they can self-host their own small model and they are getting smarter and smarter.

Đây là lúc các mô hình nhỏ xuất hiện, nơi họ có thể tự lưu trữ mô hình nhỏ của riêng mình và chúng đang ngày càng thông minh hơn.

1:17:58

The 7B, uh, model of today is as smart as the 50B model of yesterday.

Mô hình 7B, ừ, của ngày hôm nay thông minh ngang với mô hình 50B của ngày hôm qua.

1:18:03

You know, a year from now, the 7B model of a year from now will be as smart as the 300B, uh, model of yesterday year.

Bạn biết đấy, một năm nữa, mô hình 7B của một năm nữa sẽ thông minh ngang với mô hình 300B, ừ, của năm trước.

1:18:10

Um, so they're moving in that direction of building using small self-hosted models which they can then fine-tune on downstream tasks.

Ừm, vậy nên họ đang đi theo hướng đó, xây dựng bằng các mô hình nhỏ tự lưu trữ mà sau đó họ có thể tinh chỉnh cho các tác vụ hạ nguồn.

1:18:17

Similar with other things where privacy is important, law offices, medical offices, all of those kind of things.

Tương tự với những thứ khác mà quyền riêng tư quan trọng, văn phòng luật, phòng khám y tế, tất cả những thứ đó.

1:18:22

So those type of skills

Vậy những loại kỹ năng đó

1:18:24

are fundamentally important going forward.

Về cơ bản là quan trọng trong tương lai.

1:18:25

Um, so that's the bifurcation that I'm seeing happening in AI.

Ừm, vậy đó là sự phân nhánh mà tôi thấy đang diễn ra trong AI.

1:18:30

The sooner bubble I think is in the bigger non-self-hosted.

Bong bóng đến sớm hơn tôi nghĩ là ở những cái lớn hơn không tự lưu trữ.

1:18:34

The later bubble is in the smaller self-hosted.

Bong bóng đến muộn hơn là ở những cái nhỏ hơn tự lưu trữ.

1:18:37

But either way, for you, for your career, to avoid the impact of any bubble bursting, focus on the fundamentals, build those real solutions, understand the business side, and most of all, diversify your skills.

Nhưng dù thế nào, đối với bạn, đối với sự nghiệp của bạn, để tránh tác động của bất kỳ bong bóng nào vỡ, hãy tập trung vào những điều cơ bản, xây dựng những giải pháp thực sự, hiểu khía cạnh kinh doanh, và quan trọng nhất, đa dạng hóa kỹ năng của bạn.

1:18:50

Don't be that one-trick pony who only knows how to do one thing.

Đừng là con ngựa một trò chỉ biết làm một việc.

1:18:54

I've worked with brilliant people who are fantastic at coding a particular API or particular framework and then the industry moved on and they got left behind.

Tôi đã làm việc với những người xuất sắc, những người cực giỏi trong việc lập trình một API cụ thể hoặc một framework cụ thể, rồi ngành công nghiệp tiến lên và họ bị bỏ lại phía sau.

1:19:04

Okay.

Được rồi.

1:19:04

So, yeah.

Vậy, ừ.

1:19:05

Um, when bubbles burst, that overall fallout, kind of spoken about it a little bit already, funding evaporates, hiring freezes become layoffs, projects get cancelled and talent floods the market.

Ừm, khi bong bóng vỡ, hậu quả tổng thể đó, đã nói một chút rồi, nguồn vốn bốc hơi, đóng băng tuyển dụng trở thành sa thải, dự án bị hủy và nhân tài tràn ngập thị trường.

1:19:15

Yep.

Đúng.

1:19:16

- Quick question from the last five.

- Câu hỏi nhanh từ năm phút trước.

1:19:20

I have heard a lot about like how India is and they're very like specific about like they want people who are like very specific like a problem that they have.

Tôi đã nghe nhiều về việc Ấn Độ như thế nào và họ rất cụ thể về việc họ muốn những người rất cụ thể cho một vấn đề họ có.

1:19:31

So they require people to be like basically put up that things that I'm missing.

Vậy họ yêu cầu mọi người về cơ bản đưa ra những thứ mà tôi đang thiếu.

1:19:36

So how do you think, how is it more important to like diversify skills versus like actually like focusing on for example LLMs versus like computer vision or versus like very specific downstream?

Vậy bạn nghĩ thế nào, làm sao quan trọng hơn khi đa dạng hóa kỹ năng so với việc thực sự tập trung vào ví dụ như LLM so với thị giác máy tính hoặc so với một downstream rất cụ thể?

1:19:49

- Right, so I mean I think so the question was around Nvidia in particular are hiring for a very specific, very narrow

- Đúng, ý tôi là tôi nghĩ vậy, câu hỏi là về Nvidia nói riêng đang tuyển dụng cho một kịch bản rất cụ thể, rất hẹp

1:19:58

scenario.

Kịch bản.

1:19:58

So then the question is how important is it for you to become an expert in a narrow scenario versus divers, diversifying your skills?

Vậy thì câu hỏi là việc bạn trở thành chuyên gia trong một kịch bản hẹp quan trọng đến mức nào so với việc đa dạng hóa kỹ năng của bạn?

1:20:04

I would always argue it's still better to diversify your skills, um, because that one narrow scenario is only that one narrow scenario and you're putting all your eggs into one basket.

Tôi luôn lập luận rằng vẫn tốt hơn là đa dạng hóa kỹ năng của bạn, ừm, bởi vì kịch bản hẹp đó chỉ là kịch bản hẹp đó thôi và bạn đang đặt tất cả trứng vào một giỏ.

1:20:13

Nvidia would be a fantastic company to work for.

Nvidia sẽ là một công ty tuyệt vời để làm việc.

1:20:16

Nothing against them in any way, but if you put all of your eggs into that basket and you don't get it, then what, right?

Không có gì chống lại họ cả, nhưng nếu bạn đặt tất cả trứng vào giỏ đó và bạn không đạt được, thì sao, đúng không?

1:20:22

So I think the idea of really being able to know, if you are passionate about a thing, to be very deep in that thing is very good, but to only be able to do that thing, I think, you know, I would always encourage to be diversified.

Vậy tôi nghĩ ý tưởng thực sự có thể biết, nếu bạn đam mê một thứ, thì đi sâu vào thứ đó là rất tốt, nhưng chỉ có thể làm thứ đó thôi, tôi nghĩ, bạn biết đấy, tôi luôn khuyến khích nên đa dạng.

1:20:35

And when I say diversified, like you were

Và khi tôi nói đa dạng, như bạn đã

1:20:38

saying, LLMs or computer vision or anything like that, I think that mean, that's one part of it, but it's like that knowledge of models and how to use them, to me, is a uni skill.

Nói, LLM hay thị giác máy tính hay bất cứ thứ gì như vậy, tôi nghĩ đó là một phần của nó, nhưng kiến thức về các mô hình và cách sử dụng chúng, với tôi, là một kỹ năng đơn nhất.

1:20:48

The diversification of skills is breaking outside of that also to be able think, okay, what about building applications on top of these?

Sự đa dạng hóa kỹ năng là vượt ra ngoài đó để cũng có thể nghĩ, được, còn việc xây dựng ứng dụng trên nền tảng này thì sao?

1:20:55

What does scaling an application look like?

Mở rộng quy mô một ứng dụng trông như thế nào?

1:20:57

What does

Kỹ thuật phần mềm

1:20:58

software engineering in this case look like?

Trong trường hợp này trông như thế nào?

1:20:59

What about user experience and user experience skills?

Còn trải nghiệm người dùng và kỹ năng trải nghiệm người dùng thì sao?

1:21:02

Cuz it's all very well to build a beautiful application, but if nobody can use it, I'm looking at you, Microsoft Office.

Vì xây dựng một ứng dụng đẹp thì tốt, nhưng nếu không ai dùng được, tôi đang nhìn bạn đấy, Microsoft Office.

1:21:07

Uh, you know, that, you know, there's like, there's stuff like that you just, you know, that's what I really mean about diversifying beyond.

Ừ, bạn biết đấy, có những thứ như vậy, bạn biết đấy, đó là điều tôi thực sự muốn nói về việc đa dạng hóa vượt ra ngoài.

1:21:14

So even in

Vậy ngay cả trong

1:21:15

that like mono example with Nvidia, to be able to break out of like that one particular example, but to show skills in other areas that are of value, I think is really important.

Ví dụ đơn nhất với Nvidia đó, để có thể thoát ra khỏi ví dụ cụ thể đó, nhưng thể hiện kỹ năng ở các lĩnh vực khác có giá trị, tôi nghĩ là thực sự quan trọng.

1:21:26

Okay.

Được rồi.

1:21:26

Um, as we're just running a little bit so, yeah, just wanted to, I've kind of gone into a little bit already, but I'm a massive advocate for small AI.

Ừm, vì chúng ta đang chạy hơi lâu rồi, vậy, ừ, chỉ muốn, tôi đã đi vào một chút rồi, nhưng tôi là người ủng hộ mạnh mẽ cho AI nhỏ.

1:21:34

I really do believe small AI is the next big thing.

Tôi thực sự tin AI nhỏ là điều lớn tiếp theo.

1:21:37

Uh, because we're moving into a world, and this is part of the job that I do at ARM, is we're kind of moving into a world of like AI everywhere all at once.

Ừ, bởi vì chúng ta đang bước vào một thế giới, và đây là một phần công việc tôi làm tại ARM, là chúng ta đang bước vào một thế giới mà AI ở khắp mọi nơi cùng một lúc.

1:21:46

Um, so there's a traditional, and it's interesting you just brought up Nvidia because there's a traditional conception that compute platforms are CPU plus GPU when it comes to AI, but that's also changing, right?

Ừm, vậy có một quan niệm truyền thống, và thật thú vị khi bạn vừa nhắc đến Nvidia vì có một quan niệm truyền thống rằng nền tảng tính toán là CPU cộng GPU khi nói đến AI, nhưng điều đó cũng đang thay đổi, đúng không?

1:21:58

CPU general purpose, GPU specialists, but for example, in mobile space, um, there's massive innovation being done with a technology called SME, uh, scalable matrix

CPU đa dụng, GPU chuyên dụng, nhưng ví dụ, trong lĩnh vực di động, ừm, có sự đổi mới to lớn đang được thực hiện với một công nghệ gọi là SME, ừ, ma trận có thể mở rộng

1:22:08

extensions.

Phần mở rộng.

1:22:08

And what SME is all about is really allowing you to bring AI workloads and put them on the CPU.

Và SME thực sự là về việc cho phép bạn mang khối lượng công việc AI và đặt chúng trên CPU.

1:22:15

Uh, the, the front runners in this are a couple of Chinese phone vendors, um, uh, Vivo and Oppo, who've just recently released phones with SME enabled chips, and what's magical about these is that A, they don't need to have a separate external chip drawing extra power taking

Ừ, những người dẫn đầu trong lĩnh vực này là một vài nhà sản xuất điện thoại Trung Quốc, ừm, Vivo và Oppo, những người vừa mới ra mắt điện thoại với chip hỗ trợ SME, và điều kỳ diệu về chúng là A, chúng không cần có một chip bên ngoài riêng biệt tiêu tốn thêm năng lượng và chiếm

1:22:32

up extra footprint space just to be able to run AI workloads, and B, the CPU, of course, being a low power pulling thing, being able to run AI workloads on that, they've been able to build interesting new scenarios.

Thêm không gian chỉ để có thể chạy khối lượng công việc AI, và B, CPU, tất nhiên, là thứ tiêu thụ năng lượng thấp, có thể chạy khối lượng công việc AI trên đó, họ đã có thể xây dựng những kịch bản mới thú vị.

1:22:43

And if I talk about one in particular, uh, there's a company called Alip Pay, and Alip Pay had an application where you would, and we've all seen these apps where you can go through your

Và nếu tôi nói về một cái cụ thể, ừ, có một công ty gọi là Alip Pay, và Alip Pay có một ứng dụng mà bạn sẽ, và chúng ta đều đã thấy những ứng dụng này nơi bạn có thể duyệt qua

1:22:53

photographs and you can search for a particular thing, you know, places I ate sushi or something along those lines, and use that to create a slideshow.

Ảnh của bạn và bạn có thể tìm kiếm một thứ cụ thể, bạn biết đấy, những nơi tôi ăn sushi hay gì đó tương tự, và sử dụng nó để tạo một slideshow.

1:23:00

All of those require a back-end service.

Tất cả những thứ đó đều yêu cầu một dịch vụ back-end.

1:23:02

So your photographs are hosted on Google Photos or Apple Photos or something like that.

Vậy ảnh của bạn được lưu trữ trên Google Photos hoặc Apple Photos hoặc thứ gì đó tương tự.

1:23:07

And that backend service runs the model that you can search against it and be able to do the assembly of them.

Và dịch vụ back-end đó chạy mô hình mà bạn có thể tìm kiếm dựa trên nó và có thể thực hiện việc lắp ghép chúng.

1:23:13

What

Điều mà

1:23:14

Alip Pay wanted to do was like say there are three problems with this.

Alip Pay muốn làm là nói rằng có ba vấn đề với điều này.

1:23:17

Problem number one, privacy.

Vấn đề thứ nhất, quyền riêng tư.

1:23:18

You have to share your photos with a third party.

Bạn phải chia sẻ ảnh của mình với bên thứ ba.

1:23:21

Problem number two, latency.

Vấn đề thứ hai, độ trễ.

1:23:22

You got to upload those photos.

Bạn phải tải những bức ảnh đó lên.

1:23:24

You got to send the thing.

Bạn phải gửi thứ đó đi.

1:23:26

You got to have the backend do the thing.

Bạn phải để backend thực hiện công việc.

1:23:28

And then you got to download the results from the thing.

Và sau đó bạn phải tải kết quả từ thứ đó về.

1:23:31

And then number three is building that cloud service and standing that up cost time and money.

Và thứ ba là việc xây dựng dịch vụ đám mây đó và thiết lập nó tốn thời gian và tiền bạc.

1:23:35

So if they could move all of this onto the device itself, now the idea was they, they could run a model on the device that searches the photos on the device.

Vì vậy, nếu họ có thể chuyển tất cả những thứ này lên chính thiết bị, thì ý tưởng là họ có thể chạy một mô hình trên thiết bị để tìm kiếm ảnh trên thiết bị.

1:23:44

You don't have the latency and business perspective.

Bạn không gặp phải độ trễ và từ góc độ kinh doanh.

1:23:46

They're now saving the money on st, on creating this standup service.

Giờ họ tiết kiệm được tiền nhờ việc tạo ra dịch vụ độc lập này.

1:23:49

They now have AI running on the CPU in order to be able to do that.

Giờ họ có AI chạy trên CPU để có thể làm được điều đó.

1:23:54

Apple are also people who've invested heavily in this scalable matrix extensions.

Apple cũng là những người đã đầu tư mạnh vào các phần mở rộng ma trận có thể mở rộng này.

1:23:57

You see whenever they talk about, if you ever watch a WWDC or anything like that, when they talk about the new A series chips and M series chips about the neural cores and those kind of things in them, that's part of the idea.

Bạn thấy đấy, mỗi khi họ nói về, nếu bạn từng xem WWDC hay bất cứ thứ gì tương tự, khi họ nói về các chip dòng A mới và chip dòng M, về các lõi thần kinh và những thứ tương tự trong đó, đó là một phần của ý tưởng này.

1:24:11

So to think about breaking that, you know, habit that we've gotten

Vì vậy, hãy nghĩ đến việc phá vỡ thói quen mà chúng ta đã hình thành

1:24:15

into, uh, where you need a GPU to be able to do AI, is part of the trend that the world is heading in.

rằng bạn cần một GPU để có thể làm AI, đó là một phần của xu hướng mà thế giới đang hướng tới.

1:24:22

Apple are probably one of the leaders in that.

Apple có lẽ là một trong những người dẫn đầu trong lĩnh vực đó.

1:24:25

I'm very, very bullish on Apple and Apple intelligence as a result, and um, from the AI perspective and, you know, seeing that trend and following that vector to its logical conclusion, we're, as models are getting smaller, embedded intelligence

Tôi rất, rất lạc quan về Apple và Apple Intelligence nhờ đó, và ừm, từ góc độ AI và, bạn biết đấy, khi thấy xu hướng đó và đi theo vector đó đến kết luận logic của nó, chúng ta đang thấy rằng khi các mô hình ngày càng nhỏ hơn, trí tuệ nhúng

1:24:39

getting everywhere isn't a pipe dream, it isn't sci-fi anymore, it's going to be a reality that we'll be seeing very shortly.

có mặt ở khắp mọi nơi không còn là giấc mơ viển vông, không còn là khoa học viễn tưởng nữa, nó sẽ trở thành hiện thực mà chúng ta sẽ sớm được chứng kiến.

1:24:46

So that idea of that convergence of AI because of the ability of smaller models getting smarter and lower powered devices being able to run them.

Vậy nên ý tưởng về sự hội tụ của AI nhờ khả năng các mô hình nhỏ hơn trở nên thông minh hơn và các thiết bị có công suất thấp hơn có thể chạy chúng.

1:24:54

We see that convergence hitting and I see massive opportunity there.

Chúng ta thấy sự hội tụ đó đang đến và tôi thấy cơ hội to lớn ở đó.

1:24:58

So, uh, one last part and just going back to agents for a moment.

Vậy, ừm, một phần cuối cùng và quay lại với các tác nhân một chút.

1:25:02

I think, you know, the one thing that I always say is like a hidden part of artificial intelligence is really what I like to call artificial understanding.

Tôi nghĩ, bạn biết đấy, một điều mà tôi luôn nói là một phần ẩn giấu của trí tuệ nhân tạo thực sự là cái mà tôi thích gọi là sự hiểu biết nhân tạo.

1:25:11

And when you can start using models to understand things on your behalf and when they understand them on your behalf to be able to craft from that understanding new things, you

Và khi bạn có thể bắt đầu sử dụng các mô hình để hiểu mọi thứ thay bạn và khi chúng hiểu chúng thay bạn để có thể từ sự hiểu biết đó tạo ra những thứ mới, bạn

1:25:21

can actually develop superpowers where you're far more effective than ever before.

thực sự có thể phát triển siêu năng lực để trở nên hiệu quả hơn bao giờ hết.

1:25:25

Be that creating code or creating other things.

Dù là tạo mã hay tạo ra những thứ khác.

1:25:28

And I'm going to give one quick demo just so we can wrap up.

Và tôi sẽ đưa ra một bản demo nhanh để chúng ta có thể kết thúc.

1:25:32

Um, and I was talking earlier about generating video.

Ừm, và tôi đã nói trước đó về việc tạo video.

1:25:36

So, uh, this picture is, whoops.

Vậy, ừm, bức ảnh này là, ôi.

1:25:42

Sorry, the connection here is not very good.

Xin lỗi, kết nối ở đây không được tốt lắm.

1:25:44

I lost it.

Tôi bị mất nó.

1:25:45

So, here we go.

Vậy, đây rồi.

1:25:46

This picture here is actually of my son playing ice hockey.

Bức ảnh ở đây thực ra là con trai tôi đang chơi khúc côn cầu trên băng.

1:25:50

And I took this picture and I was saying, "Okay, I think I'm very good at prompting." And I wrote a nice prompt for this picture to get him.

Và tôi đã chụp bức ảnh này và tôi nói, "Được rồi, tôi nghĩ mình rất giỏi trong việc viết prompt." Và tôi đã viết một prompt hay cho bức ảnh này để có được anh ấy.

1:25:59

He's in the middle of taking a slapshot.

Anh ấy đang trong tư thế thực hiện cú đánh slap shot.

1:26:01

He's got some beautiful flex on his stick.

Anh ấy có độ uốn cong đẹp trên cây gậy của mình.

1:26:04

And I asked it like,

Và tôi đã hỏi nó như,

1:26:06

"Okay, it's a prompt like, you know, him scoring a goal.

"Được rồi, đó là một prompt như, bạn biết đấy, anh ấy ghi bàn."

1:26:09

What do you think happened?

Bạn nghĩ điều gì đã xảy ra?

1:26:11

Should we, should we watch?

Chúng ta có nên, chúng ta có nên xem không?

1:26:16

Let's see if it works.

Hãy xem liệu nó có hoạt động không.

1:26:21

Ah, this was the wrong video, but it still shows the same idea.

À, đây là video sai, nhưng nó vẫn cho thấy cùng một ý tưởng.

1:26:25

Um, because of poor prompting or because of poor understanding of my intent, if I talk about it in agentic senses, the arena that he was in, which is a practice arena and doesn't have any people in it.

Ừm, vì viết prompt kém hoặc vì hiểu sai ý định của tôi, nếu tôi nói về nó theo nghĩa tác nhân, đấu trường mà anh ấy ở, đó là một đấu trường tập luyện và không có người nào trong đó.

1:26:38

Sorry, pause it.

Xin lỗi, tạm dừng nó.

1:26:39

Um, if I just rewind to here, and if we look up in this top right hand corner here, this is basically where they store all the garbage.

Ừm, nếu tôi tua lại đến đây, và nếu chúng ta nhìn lên ở góc trên bên phải này, đây cơ bản là nơi họ chứa tất cả rác.

1:26:47

Um, but the AI didn't know that.

Ừm, nhưng AI không biết điều đó.

1:26:50

I had no idea of it.

Tôi không có chút ý niệm nào về nó.

1:26:52

So, assumed it was a full arena and it started painting people in.

Vì vậy, nó cho rằng đó là một đấu trường đầy ắp và nó bắt đầu vẽ người vào.

1:26:56

And even though he shot a mile wide, everybody cheers and somehow he has two sticks in his hand instead of one and they forgot

Và mặc dù anh ấy bắn trượt xa cả dặm, mọi người vẫn reo hò và bằng cách nào đó anh ấy có hai cây gậy trong tay thay vì một và họ quên mất

1:27:04

his name.

Tên anh ấy.

1:27:04

Right?

Đúng không?

1:27:05

So, I did not go through an agentic workflow to do this.

Vì vậy, tôi đã không trải qua một quy trình tác nhân để làm điều này.

1:27:10

I did not go through the steps of A, understand my intent, B, once you understand my intent, understand the tools that are available to you, in this case it's VE, and understand the intricacies of using VE, um, make a plan of how to use them, make a plan of how to build a prompt for them, and then use them, and then reflect.

Tôi đã không trải qua các bước A, hiểu ý định của tôi, B, một khi bạn hiểu ý định của tôi, hiểu các công cụ có sẵn cho bạn, trong trường hợp này là VE, và hiểu những phức tạp của việc sử dụng VE, ừm, lập kế hoạch cách sử dụng chúng, lập kế hoạch cách xây dựng một lời nhắc cho chúng, và sau đó sử dụng chúng, và sau đó phản ánh.

1:27:28

So I'm kind of, I've been advising a startup, um, that is

Vì vậy, tôi đang, tôi đã cố vấn cho một startup, ừm, đang

1:27:32

working on movie creation using AI, and I want to show you a little sample here of a movie that been working on with them where the whole idea A is like if you want to have performances out of virtual actors and actresses, you need to have emotion, right?

Làm việc về việc tạo phim bằng AI, và tôi muốn cho bạn xem một mẫu nhỏ ở đây về một bộ phim mà tôi đã làm việc với họ, nơi toàn bộ ý tưởng A là nếu bạn muốn có diễn xuất từ các diễn viên ảo, bạn cần có cảm xúc, đúng không?

1:27:45

You need to be able to convey that emotion and you also need to be able to put that emotion in the context of the entire story because when

Bạn cần có khả năng truyền đạt cảm xúc đó và bạn cũng cần có khả năng đặt cảm xúc đó vào bối cảnh của toàn bộ câu chuyện bởi vì khi

1:27:53

you create a video from a prompt, you're creating an 8-second snippet.

Bạn tạo một video từ một lời nhắc, bạn đang tạo một đoạn clip 8 giây.

1:27:56

That 8-second snippet needs to know what's going on in the rest of the story, right?

Đoạn clip 8 giây đó cần biết điều gì đang diễn ra trong phần còn lại của câu chuyện, đúng không?

1:28:01

So, if I show this one for a moment, and it's a little wooden at the moment.

Vì vậy, nếu tôi cho xem cái này một lát, và hiện tại nó hơi cứng nhắc.

1:28:06

It's not really working perfectly.

Nó không thực sự hoạt động hoàn hảo.

1:28:07

I have professional actors who are friends who are advising me on this and they laughed at the

Tôi có những diễn viên chuyên nghiệp là bạn bè đang cố vấn cho tôi về điều này và họ đã cười vào

1:28:13

performances.

Các màn trình diễn.

1:28:13

But try to view it through the difference that we had from an unagentic prompt with the hockey player to this one.

Nhưng hãy cố gắng nhìn nó qua sự khác biệt mà chúng tôi có từ một lời nhắc không tác nhân với cầu thủ khúc côn cầu đến cái này.

1:28:23

Let's, hopefully we can hear it.

Hãy, hy vọng chúng ta có thể nghe thấy nó.

1:28:34

I guess I can do the pub quiz after all.

Tôi đoán tôi vẫn có thể làm bài kiểm tra pub sau tất cả.

1:28:41

They just shut me down.

Họ vừa đóng cửa tôi.

1:28:44

I'm so close.

Tôi rất gần rồi.

1:28:46

But they wouldn't listen.

Nhưng họ không chịu nghe.

1:28:49

- I won't.

- Tôi sẽ không.

1:28:49

- They never listen.

- Họ không bao giờ nghe.

1:28:51

So like here's the idea of like, again, just thinking in terms of agentic as I saying earlier on, breaking it into those steps that allowed me to use exactly the same engine as I was showing you earlier on that failed to be able to show something that works and is able to do things like portraying emotion that I just spoke about.

Vì vậy, đây là ý tưởng, một lần nữa, chỉ nghĩ về mặt tác nhân như tôi đã nói trước đó, chia nó thành những bước cho phép tôi sử dụng chính xác cùng một công cụ mà tôi đã cho bạn xem trước đó đã thất bại để có thể cho thấy một cái gì đó hoạt động và có thể làm những việc như thể hiện cảm xúc mà tôi vừa nói.

1:29:08

So I know we're a little bit over time so sorry about

Vì vậy, tôi biết chúng ta hơi quá thời gian nên xin lỗi về

1:29:12

that.

Điều đó.

1:29:12

I can take any questions if anybody has any.

Tôi có thể nhận bất kỳ câu hỏi nào nếu ai có.

1:29:14

I see Andrew is here as well.

Tôi thấy Andrew cũng ở đây.

1:29:16

He's at the back.

Anh ấy ở phía sau.

1:29:17

And I just really want to say thank you so much for your attention, and really appreciate it.

Và tôi thực sự muốn nói cảm ơn rất nhiều vì sự chú ý của bạn, và thực sự trân trọng điều đó.

1:29:23

applause - Yep.

[vỗ tay] - Vâng.

1:29:26

How much of this video generation workflow do you think is improved with the project and how much is it set by where you might have coffee?

Bạn nghĩ bao nhiêu phần của quy trình tạo video này được cải thiện nhờ dự án và bao nhiêu phần được thiết lập bởi nơi bạn có thể uống cà phê?

1:29:53

- Yeah, - it's a great question, just to repeat for the video, how much of the improvement is from the use of an agentic workflow versus just lack of hockey stuff in the training set for the failed one.

- Vâng, - đó là một câu hỏi tuyệt vời, chỉ để lặp lại cho video, bao nhiêu phần của sự cải thiện là từ việc sử dụng quy trình tác nhân so với chỉ là thiếu nội dung khúc côn cầu trong tập huấn luyện cho cái thất bại.

1:30:04

Um, I not comparing like to likes so just using my gut.

Ừm, tôi không so sánh như với như nên chỉ dùng cảm giác của mình.

1:30:08

Um, when I looked at when I broke this down into the workflow, they said, "Okay, I created scenes like

Ừm, khi tôi nhìn vào khi tôi chia nhỏ điều này thành quy trình, họ nói, "Được rồi, tôi đã tạo các cảnh như

1:30:14

this one and they were awful when I just did it directly for myself, um, with no basis, no agentic, no artificial understanding." And when I broke it down into the steps where it's like, okay, in this scene, the girl is sitting on the bench and she's upset and the person is talking to her and he wants to comfort her.

Cái này và chúng thật tệ khi tôi chỉ làm trực tiếp cho mình, ừm, không có cơ sở, không có tác nhân, không có hiểu biết nhân tạo." Và khi tôi chia nhỏ nó thành các bước như, được rồi, trong cảnh này, cô gái đang ngồi trên ghế và cô ấy buồn và người đó đang nói chuyện với cô ấy và anh ấy muốn an ủi cô ấy.

1:30:35

Um, feeding that to a large language model along with the entire story and

Ừm, đưa điều đó cho một mô hình ngôn ngữ lớn cùng với toàn bộ câu chuyện và

1:30:40

along with the constraints that I had where the shot has to be 8 seconds long, clear dialogue and all of those kind of thing, and then to understand my intent from that one.

Cùng với các ràng buộc mà tôi có như cảnh quay phải dài 8 giây, đối thoại rõ ràng và tất cả những thứ đó, và sau đó hiểu ý định của tôi từ đó.

1:30:50

The LLM ended up expressing a prompt that was far more loquacious than I ever would have, that was far more descriptive than I ever would have.

LLM cuối cùng đã diễn đạt một lời nhắc dài dòng hơn tôi từng có, mô tả chi tiết hơn tôi từng có.

1:30:59

The LLM had understanding of what makes a good shot, what makes a

LLM có hiểu biết về điều gì tạo nên một cảnh quay tốt, điều gì tạo nên một

1:31:03

good angle, what makes good emotion far more than I would have.

Góc tốt, điều gì tạo nên cảm xúc tốt hơn tôi từng có.

1:31:06

I could spend hours trying to describe it.

Tôi có thể dành hàng giờ để cố gắng mô tả nó.

1:31:08

So that first step in the agentic flow of it doing that for me and understanding my intent was huge.

Vì vậy, bước đầu tiên trong quy trình tác nhân là nó làm điều đó cho tôi và hiểu ý định của tôi là rất lớn.

1:31:13

The second step then is I, you know, the tools that it's going to use.

Bước thứ hai sau đó là tôi, bạn biết đấy, các công cụ mà nó sẽ sử dụng.

1:31:17

So I explicitly said which video engine I'm going to be using.

Vì vậy, tôi đã nói rõ ràng công cụ video nào tôi sẽ sử dụng.

1:31:20

I was using Gemini as the LLM and hopefully

Tôi đang sử dụng Gemini làm LLM và hy vọng

1:31:23

Gemini is familiar with VO, you know, that kind of stuff.

Gemini quen thuộc với VO, bạn biết đấy, những thứ như vậy.

1:31:26

So to understand the idiosyncrasies of doing things with VO, um, what I learned, like for example, VO is very bad at doing high action scenes but is very good at doing slow camera polls to do emotion as you saw in this case.

Vì vậy, để hiểu những đặc thù của việc làm mọi thứ với VO, ừm, những gì tôi học được, ví dụ, VO rất tệ trong việc làm các cảnh hành động cao nhưng rất giỏi trong việc làm các cảnh quay chậm để thể hiện cảm xúc như bạn thấy trong trường hợp này.

1:31:38

So the LLM knew that from me declaring I was using that as a tool and then further it built a prompt and then further refined the prompt from that and then the third part actually using the tool to actually generate it for me.

Vì vậy, LLM biết điều đó từ việc tôi tuyên bố tôi đang sử dụng nó như một công cụ và sau đó nó xây dựng một lời nhắc và sau đó tinh chỉnh lời nhắc từ đó và sau đó phần thứ ba thực sự sử dụng công cụ để thực sự tạo ra nó cho tôi.

1:31:50

Generating a video with something like VO costs, I think, between two and three dollars to generate like four videos in credits.

Tạo một video với thứ như VO tốn, tôi nghĩ, khoảng hai đến ba đô la để tạo ra bốn video bằng tín dụng.

1:31:55

So the last thing I want to do is generate lots and lots and lots and lots of videos and throw good money after bad.

Vì vậy, điều cuối cùng tôi muốn làm là tạo ra rất nhiều và rất nhiều video và ném tiền tốt theo sau tiền xấu.

1:32:02

But all of that token spend that I did earlier on to understand my intent and then to make the plan for using the agent was saved in the back

Nhưng tất cả số token tôi đã dùng trước đó để hiểu ý định của mình và sau đó lập kế hoạch sử dụng tác nhân đều được lưu ở phần sau

1:32:10

end where it got it right, like, you know, maybe not get it right first time, but it would very rarely take more than two or three tries to get something that was really nice.

Kết thúc nơi nó làm đúng, kiểu như, bạn biết đấy, có thể không đúng ngay lần đầu, nhưng hiếm khi mất hơn hai hoặc ba lần thử để có được thứ gì đó thực sự tốt.

1:32:19

So I think, you know, without com, comparing like with like, I do think that plan of action and going through a workflow like that worked very, very well.

Vì vậy tôi nghĩ, bạn biết đấy, không so sánh kiểu như với kiểu, tôi thực sự nghĩ rằng kế hoạch hành động đó và việc trải qua một quy trình làm việc như vậy đã hoạt động rất, rất tốt.

1:32:28

Any other questions, thoughts, comments?

Còn câu hỏi, suy nghĩ, bình luận nào nữa không?

1:32:32

Yep.

Vâng.

1:32:33

Up at the back.

Ở phía sau.

1:32:37

- Ary over the years - what has surprised me the most about the AI industry over the years?

- Ary trong những năm qua - điều gì khiến tôi ngạc nhiên nhất về ngành AI trong những năm qua?

1:32:43

Oh, that's a good one.

Ồ, câu hỏi hay đấy.

1:32:44

Um, I think what has surprised me the most, um, and it probably shouldn't have surprised me, is how much hype took over.

Ừm, tôi nghĩ điều khiến tôi ngạc nhiên nhất, ừm, và có lẽ nó không nên khiến tôi ngạc nhiên, là mức độ cường điệu đã chiếm lĩnh.

1:32:52

Um, I actually, I honestly thought a lot of people who are in important decision-making roles and that kind of thing would be able to see

Ừm, thực ra tôi, thành thật mà nói tôi đã nghĩ rằng nhiều người ở những vai trò ra quyết định quan trọng và kiểu như vậy sẽ có thể nhìn thấy

1:33:01

the signal better than they did.

Tín hiệu tốt hơn họ đã làm.

1:33:03

Um, and I think the other part was that the, um, the desire to make immediate profits as opposed to long-term gains also surprised me a lot.

Ừm, và tôi nghĩ phần còn lại là, ừm, mong muốn tạo lợi nhuận ngay lập tức thay vì lợi ích lâu dài cũng khiến tôi ngạc nhiên rất nhiều.

1:33:14

Um, let me share one story, um, in that space was one of the things that after we, Andrew and I taught the TensorFlow specializations on Corsera and after that Google launched a professional certificate where the idea

Ừm, để tôi chia sẻ một câu chuyện, ừm, trong lĩnh vực đó là một trong những điều mà sau khi chúng tôi, Andrew và tôi dạy các chuyên ngành TensorFlow trên Corsera và sau đó Google ra mắt một chứng chỉ chuyên nghiệp với ý tưởng

1:33:29

of this professional certificate was we give a rigorous exam and at the end of the rigorous exam if you got the certificate, um, it was a high prestige thing that would help you find work and particularly at the time when TensorFlow was a very highly demanded skill in order to get work.

Của chứng chỉ chuyên nghiệp này là chúng tôi đưa ra một kỳ thi nghiêm ngặt và khi kết thúc kỳ thi nghiêm ngặt đó nếu bạn nhận được chứng chỉ, ừm, đó là một thứ có uy tín cao sẽ giúp bạn tìm việc làm và đặc biệt vào thời điểm TensorFlow là một kỹ năng được săn đón rất cao để có được việc làm.

1:33:46

Um, running that program cost Google $100,000 a year.

Ừm, việc điều hành chương trình đó tiêu tốn của Google 100.000 đô la một năm.

1:33:49

Okay, drop in the bucket.

Được rồi, chỉ là giọt nước trong xô.

1:33:50

Not a lot of money.

Không nhiều tiền.

1:33:52

Um, the goodwill that came out of it was immense.

Ừm, thiện chí có được từ nó là vô cùng lớn.

1:33:55

Um, I can tell two story, I'll tell one story very quickly, was there was a young man, um, and he went public in some like advertising stuff that with Google that he lived in Syria, uh, and we all know there was a huge civil war in Syria over the last few years and he got the TensorFlow

Ừm, tôi có thể kể hai câu chuyện, tôi sẽ kể một câu chuyện rất nhanh, là có một người đàn ông trẻ, ừm, và anh ấy công khai trong một số thứ như quảng cáo với Google rằng anh ấy sống ở Syria, uh, và tất cả chúng ta đều biết có một cuộc nội chiến lớn ở Syria trong vài năm qua và anh ấy đã nhận được TensorFlow

1:34:14

certificate.

Chứng chỉ.

1:34:14

He was one of the first in Syria to get it and it lifted him out of poverty where he was able to move to Germany and get work at a major German firm.

Anh ấy là một trong những người đầu tiên ở Syria nhận được nó và nó đã đưa anh ấy thoát khỏi nghèo đói, anh ấy có thể chuyển đến Đức và làm việc tại một công ty lớn của Đức.

1:34:23

And I met him at an event in Amsterdam where he told me his story and now because of like the job that he had in this German firm, he's able to support his family back home, um, and move them out of the war torn zone into a

Và tôi đã gặp anh ấy tại một sự kiện ở Amsterdam, nơi anh ấy kể cho tôi câu chuyện của mình và bây giờ nhờ công việc anh ấy có tại công ty Đức này, anh ấy có thể hỗ trợ gia đình ở quê nhà, ừm, và đưa họ ra khỏi vùng chiến tranh vào một

1:34:37

peaceful zone, all because he got this like AI thing, right?

Vùng hòa bình, tất cả chỉ vì anh ấy có thứ AI này, đúng không?

1:34:41

And there were countless stories like that, um, very inspirational, very beautiful stories.

Và có vô số câu chuyện như vậy, ừm, rất truyền cảm hứng, những câu chuyện rất đẹp.

1:34:47

But the thing that surprised me then was, uh, sometimes the lack of investment in that where there was no revenue being generated for the company out of that.

Nhưng điều khiến tôi ngạc nhiên lúc đó là, uh, đôi khi việc thiếu đầu tư vào đó khi không có doanh thu nào được tạo ra cho công ty từ đó.

1:34:54

We deliberately, um, kept it revenue neutral so that the price of the exams could go down.

Chúng tôi cố ý, ừm, giữ nó trung lập về doanh thu để giá của các kỳ thi có thể giảm xuống.

1:34:58

We wanted it to self-sustain.

Chúng tôi muốn nó tự duy trì.

1:35:00

It ended up not being revenue neutral.

Cuối cùng nó không trung lập về doanh thu.

1:35:02

It ended up costing the company about 100,000 to 150,000 a year.

Cuối cùng nó tiêu tốn của công ty khoảng 100.000 đến 150.000 một năm.

1:35:05

So they canned it, you know, and it's a shame because of all the potential goodwill that can come out of something like that.

Vì vậy họ đã hủy nó, bạn biết đấy, và thật đáng tiếc vì tất cả thiện chí tiềm năng có thể đến từ một thứ như vậy.

1:35:11

But I think those would be the two

Nhưng tôi nghĩ đó sẽ là hai

1:35:14

that immediately jumped to mind that have surprised me the most.

Điều ngay lập tức nảy ra trong đầu khiến tôi ngạc nhiên nhất.

1:35:17

Um, and then I guess one other part that I would say is the people who've been able to be very successful with AI who you wouldn't think would be the ones that would be successful with AI has always been inspirational to me.

Ừm, và sau đó tôi đoán một phần khác mà tôi muốn nói là những người có thể thành công rất lớn với AI mà bạn không nghĩ sẽ là những người thành công với AI luôn là nguồn cảm hứng cho tôi.

1:35:29

So allow me one more story.

Vậy cho tôi kể thêm một câu chuyện nữa.

1:35:31

I have a good friend.

Tôi có một người bạn tốt.

1:35:32

I showed ice hockey a moment

Tôi đã cho thấy khúc côn cầu trên băng một lát

1:35:34

ago.

Trước.

1:35:34

I have a good friend who is a former professional ice hockey player.

Tôi có một người bạn tốt là cựu cầu thủ khúc côn cầu trên băng chuyên nghiệp.

1:35:39

And any ice hockey fans here?

Và có ai là người hâm mộ khúc côn cầu trên băng ở đây không?

1:35:40

Okay.

Được rồi.

1:35:40

You know, it's a kind of a brutal sport, right?

Bạn biết đấy, đó là một môn thể thao khá tàn bạo, đúng không?

1:35:43

You see a lot of fighting and a lot of stuff on the ice.

Bạn thấy rất nhiều đánh nhau và nhiều thứ trên băng.

1:35:47

And he dropped out of school when he was 13 years old to focus on skating.

Và anh ấy bỏ học khi mới 13 tuổi để tập trung vào trượt băng.

1:35:51

And he will always tell everybody that he's the dumbest person alive cuz he's uneducated.

Và anh ấy luôn nói với mọi người rằng anh ấy là người ngu ngốc nhất còn sống vì anh ấy không được giáo dục.

1:35:55

He and I are complete opposites, you know, that's why we get on so well.

Anh ấy và tôi hoàn toàn đối lập, bạn biết đấy, đó là lý do chúng tôi hòa hợp với nhau đến vậy.

1:35:59

And uh, he

Và uh, anh ấy

1:36:00

retired from ice hockey because of concussion issues.

Nghỉ hưu từ khúc côn cầu trên băng vì vấn đề chấn thương đầu.

1:36:03

And he now runs a nonprofit, uh, the ice rinks for nonprofit.

Và bây giờ anh ấy điều hành một tổ chức phi lợi nhuận, uh, sân băng cho phi lợi nhuận.

1:36:08

And about 3 years ago, um, we were having a beer and he was like, "So tell me about AI and tell me about this chat GPT thing.

Và khoảng 3 năm trước, ừm, chúng tôi đang uống bia và anh ấy nói, "Vậy kể cho tôi về AI và kể cho tôi về thứ chat GPT này đi.

1:36:14

Is it any good?" And I was like, you know, just sharing the whole thing.

Nó có tốt không?" Và tôi kiểu như, bạn biết đấy, chỉ chia sẻ toàn bộ câu chuyện.

1:36:18

Yes, it's good.

Vâng, điều đó tốt.

1:36:19

And all that kind of stuff.

Và tất cả những thứ đại loại như vậy.

1:36:20

And it was obviously a loaded question and I didn't know why.

Và rõ ràng đó là một câu hỏi có ý đồ và tôi không biết tại sao.

1:36:23

But part of his job, um, at his nonprofit is that every quarter he has to present to the

Nhưng một phần công việc của anh ấy, ừm, tại tổ chức phi lợi nhuận của anh ấy là mỗi quý anh ấy phải trình bày với

1:36:28

board of directors the results of the operations so that they can be funded properly because even though they're a nonprofit, they still need money to operate, and he was spending upwards of $150,000 a year to bring in consultants to kind of pull the data from all of the different sources they were pulling data from.

Hội đồng quản trị về kết quả hoạt động để họ có thể được tài trợ đúng cách bởi vì dù họ là tổ chức phi lợi nhuận, họ vẫn cần tiền để hoạt động, và anh ấy đã chi tới 150.000 đô la một năm để thuê các chuyên gia tư vấn nhằm trích xuất dữ liệu từ tất cả các nguồn khác nhau mà họ đang lấy dữ liệu.

1:36:45

There's like machines in what's called the pump room that has a

Có những cỗ máy trong cái được gọi là phòng bơm có một

1:36:49

compressor that cools the ice and there were spreadsheets and there was accounts and all this kind of stuff and he was not tech-savvy in any way and but he like needed to process all this data.

Máy nén làm mát đá và có các bảng tính, có các tài khoản và đủ thứ đại loại như vậy, và anh ấy không rành công nghệ chút nào nhưng anh ấy cần xử lý tất cả dữ liệu này.

1:36:59

So he did an experiment where he got Chachi PT to do it.

Vì vậy, anh ấy đã làm một thử nghiệm khi để Chachi PT làm việc đó.

1:37:02

And this was the loaded question like asking me was it any good.

Và đây là câu hỏi có ý đồ, kiểu như hỏi tôi liệu nó có tốt không.

1:37:06

And so we talked through it a little bit and then he told me why.

Và vậy là chúng tôi đã bàn qua một chút, rồi anh ấy nói cho tôi lý do.

1:37:09

And so I took a look at the results because he was uploading spreadsheets.

Và vậy là tôi đã xem kết quả vì anh ấy đang tải lên các bảng tính.

1:37:13

He was uploading PDFs and all this kind of thing and getting it to assemble in a report.

Anh ấy đang tải lên các tệp PDF và đủ thứ đại loại như vậy và để nó tổng hợp thành một báo cáo.

1:37:17

And it takes him now about two hours to do the report himself with Chat GPT and it worked and it worked brilliantly.

Và giờ anh ấy mất khoảng hai giờ để tự làm báo cáo với Chat GPT, và nó đã hiệu quả và hiệu quả một cách xuất sắc.

1:37:22

And that 150,000 a year that he's saving on

Và 150.000 một năm mà anh ấy tiết kiệm được từ

1:37:25

consulting is now going to, uh, underprivileged kids, right, for hockey equipment, for ice skating equipment, for lessons and all of that kind of thing.

Việc tư vấn giờ đang được dùng cho, ừ, những đứa trẻ kém may mắn, đúng vậy, để mua thiết bị khúc côn cầu, thiết bị trượt băng, cho các bài học và đủ thứ đại loại như vậy.

1:37:31

So, it was taken out of the hands of an expensive consulting company and put into the hands of people, uh, because of this guy.

Vì vậy, nó đã được lấy ra khỏi tay một công ty tư vấn đắt đỏ và đặt vào tay mọi người, ừ, nhờ anh chàng này.

1:37:38

And he says he's the dumbest person alive, you know, but I hope he's not watching this video.

Và anh ấy nói anh ấy là người ngu ngốc nhất còn sống, bạn biết đấy, nhưng tôi hy vọng anh ấy không xem video này.

1:37:42

Uh,

Ừ,

1:37:43

but and he's like, you know, but he and I told him afterwards that congratulations, you're now a developer, right?

Nhưng và anh ấy kiểu như, bạn biết đấy, nhưng anh ấy và tôi đã nói với anh ấy sau đó rằng chúc mừng, giờ anh là một lập trình viên rồi, đúng không?

1:37:49

And he didn't like that.

Và anh ấy không thích điều đó.

1:37:51

But, laughter you know, but it's like surprises like that, the superpowers that were handed to somebody like him that he's not technical in any way, but he was able to effectively build a solution that saved his nonprofit $1 to

Nhưng, [tiếng cười] bạn biết đấy, nhưng những bất ngờ như thế, những siêu năng lực được trao cho một người như anh ấy, người không có chút kỹ thuật nào, nhưng anh ấy đã có thể xây dựng một giải pháp hiệu quả giúp tổ chức phi lợi nhuận của mình tiết kiệm 1 đến

1:38:04

$150,000 a year.

150.000 đô la một năm.

1:38:05

And like things like that are always surprising me in a very pleasant way.

Và những điều như thế luôn làm tôi ngạc nhiên theo một cách rất dễ chịu.

1:38:12

- Yep.

- Đúng vậy.

1:38:12

Sorry, I'll get to you next.

Xin lỗi, tôi sẽ đến lượt bạn tiếp theo.

1:38:14

Sorry.

Xin lỗi.

1:38:15

Yeah.

Vâng.

1:38:15

- I thinkers, uh, like us, it's easy.

- Những người suy nghĩ như chúng tôi, ừ, thì dễ thôi.

1:38:18

It's easier to maybe because we can kind of, like, understand, like, what signal is from.

Có lẽ dễ hơn vì chúng tôi có thể hiểu được, kiểu như, tín hiệu đến từ đâu.

1:38:24

We can read paper, but how about people doesn't have this, like, knowledge, like - Yep.

Chúng tôi có thể đọc bài báo, nhưng còn những người không có kiến thức như vậy thì sao, kiểu như - Đúng vậy.

1:38:30

So just to repeat the question for the video, for engineers like us, sometimes it's easy to navigate the hype, to see the signal from the noise, but what about people, you know, who don't

Vậy chỉ để nhắc lại câu hỏi cho video, với những kỹ sư như chúng tôi, đôi khi việc điều hướng sự thổi phồng là dễ, để thấy tín hiệu từ tiếng ồn, nhưng còn những người, bạn biết đấy, không

1:38:44

have the same training as us?

Có cùng sự huấn luyện như chúng tôi thì sao?

1:38:45

Um, I think that's our opportunity to be trusted advisers for them.

Ừm, tôi nghĩ đó là cơ hội của chúng ta để trở thành những cố vấn đáng tin cậy cho họ.

1:38:49

Um, and to really help them through that, to understand it.

Ừm, và thực sự giúp họ vượt qua điều đó, để hiểu nó.

1:38:53

Um, I think the biggest part in the hype story right now is just understanding the reward mechanism, right?

Ừm, tôi nghĩ phần lớn nhất trong câu chuyện thổi phồng hiện nay chỉ là hiểu cơ chế phần thưởng, đúng không?

1:38:59

You know, the everything rewards engagement rather than actual substance.

Bạn biết đấy, mọi thứ thưởng cho sự tương tác hơn là nội dung thực chất.

1:39:02

And that, to me, step one is seeing through that, like,

Và với tôi, bước một là nhìn thấu điều đó, kiểu như,

1:39:06

the story I just told about my friend, you know, he seen all this kind of stuff, but he wasn't willing to bet his career on it, you know?

Câu chuyện tôi vừa kể về bạn tôi, bạn biết đấy, anh ấy đã thấy đủ thứ đại loại như vậy, nhưng anh ấy không sẵn sàng đặt cược sự nghiệp của mình vào đó, bạn biết không?

1:39:12

But he needed, like, that kind of advice around it, and to kind of start peeling apart what he had done and what he did right and what he did wrong, and, you know, so that positioning ourselves to be trusted advisers by not leaning into the same mistakes that the

Nhưng anh ấy cần, kiểu như, loại lời khuyên đó về nó, và để bắt đầu bóc tách những gì anh ấy đã làm và những gì anh ấy làm đúng và những gì anh ấy làm sai, và, bạn biết đấy, vì vậy việc định vị bản thân để trở thành những cố vấn đáng tin cậy bằng cách không rơi vào cùng những sai lầm mà những

1:39:25

untrained people may be leaning into, I think, is the key to that.

Người chưa được huấn luyện có thể đang rơi vào, tôi nghĩ, là chìa khóa cho điều đó.

1:39:28

Um, and you know, just understanding that the average person is generally very intelligent, even if they may not be experts in a specific domain, and to key in on that intelligence and help them to, to foster and to grow that in, you know, um, and navigate them through the parts where they'll have difficulty and

Ừm, và bạn biết đấy, chỉ cần hiểu rằng người bình thường nói chung rất thông minh, ngay cả khi họ có thể không phải là chuyên gia trong một lĩnh vực cụ thể, và tập trung vào sự thông minh đó và giúp họ nuôi dưỡng và phát triển nó, bạn biết đấy, ừm, và dẫn dắt họ qua những phần họ sẽ gặp khó khăn và

1:39:46

let them shine in what they're very good at.

Để họ tỏa sáng ở những gì họ rất giỏi.

1:39:49

- All right.

- Được rồi.

1:39:49

Over here, there was one.

Ở đằng này, có một người.

1:39:51

- Yeah.

- Vâng.

1:39:51

Uh, I have a question for AI and machine learning for scientific research.

Ừ, tôi có một câu hỏi về AI và học máy cho nghiên cứu khoa học.

1:39:56

- Okay.

- Được.

1:39:56

Which is something very popular to get your perspective on where you think that it is a good idea and where you might say so.

Đây là điều rất phổ biến để có được quan điểm của bạn về nơi bạn nghĩ đó là một ý tưởng tốt và nơi bạn có thể nói ngược lại.

1:40:05

Um, AI and machine learning for scientific research, where is it a good idea and where should you be cautious?

Ừm, AI và học máy cho nghiên cứu khoa học, đâu là nơi nó là một ý tưởng tốt và đâu là nơi bạn nên thận trọng?

1:40:12

Um, oh, uh, I, my initial gut check would be, I think it's always a good idea, right?

Ừm, ồ, ừ, cảm nhận ban đầu của tôi sẽ là, tôi nghĩ nó luôn là một ý tưởng tốt, đúng không?

1:40:18

Um, I think, you know, there's, there's no harm in using the tools that you have

Ừm, tôi nghĩ, bạn biết đấy, không có hại gì khi sử dụng những công cụ mà bạn có

1:40:24

available to you, but to always, to just double-check your results and double-check your expectations against the grounded reality.

Có sẵn cho bạn, nhưng luôn luôn, chỉ cần kiểm tra lại kết quả của bạn và kiểm tra lại kỳ vọng của bạn dựa trên thực tế.

1:40:30

Um, I've, uh, always been a fan of using automation in research as much as possible.

Ừm, tôi, uh, luôn là người hâm mộ việc sử dụng tự động hóa trong nghiên cứu càng nhiều càng tốt.

1:40:36

My undergraduate was physics, uh, many years ago, and I was actually very successful in the lab because I usually automated things through a computer that

Bằng đại học của tôi là vật lý, uh, nhiều năm trước, và tôi thực sự rất thành công trong phòng thí nghiệm vì tôi thường tự động hóa mọi thứ thông qua máy tính mà

1:40:45

other people did handwriting and pen and paper with, so I could move quickly.

Những người khác làm bằng tay và bút giấy, vì vậy tôi có thể di chuyển nhanh chóng.

1:40:50

So I know I am biased in that regard, but I would say, like, for most research, for the most part, I think, you know, use the most powerful tools you available, but check your expectations.

Vì vậy tôi biết mình có thành kiến về mặt đó, nhưng tôi sẽ nói, giống như, đối với hầu hết nghiên cứu, phần lớn, tôi nghĩ, bạn biết đấy, hãy sử dụng những công cụ mạnh mẽ nhất mà bạn có, nhưng hãy kiểm tra kỳ vọng của bạn.

1:41:03

Little story actually on that side was, um, uh, trivia question.

Một câu chuyện nhỏ thực ra về mặt đó là, ừm, uh, câu hỏi đố.

1:41:07

Poorest country in Western Europe.

Quốc gia nghèo nhất ở Tây Âu.

1:41:10

Anybody know?

Có ai biết không?

1:41:11

- Seria.

1:41:12

- What's that?

- Cái gì cơ?

1:41:13

- Western.

- Phương Tây.

1:41:14

- Western Europe is Wales.

- Tây Âu là Wales.

1:41:15

So, uh, I actually did my undergraduate in Wales, and I went back to do some lectures in the university there, and, um, I met with a researcher there, and he was doing research into brain cancer, um, using computer imagery and using various types of computer imagery, and I asked him, what's the biggest problem that you have?

Vì vậy, uh, tôi thực ra đã học đại học ở Wales, và tôi quay lại để giảng một số bài giảng tại trường đại học ở đó, và, ừm, tôi đã gặp một nhà nghiên cứu ở đó, và anh ấy đang nghiên cứu về ung thư não, ừm, sử dụng hình ảnh máy tính và sử dụng nhiều loại hình ảnh máy tính khác nhau, và tôi hỏi anh ấy, vấn đề lớn nhất mà bạn gặp phải là gì?

1:41:35

What's the biggest blocker for your

Rào cản lớn nhất cho

1:41:38

research?

Nghiên cứu của bạn là gì?

1:41:38

And this is about eight years ago, and his answer was access to a GPU.

Và đây là khoảng tám năm trước, và câu trả lời của anh ấy là được truy cập vào GPU.

1:41:42

And, uh, cuz, like, for him to be able to train his models and run his models, he needed to be able to access a GPA.

Và, uh, vì, giống như, để anh ấy có thể huấn luyện các mô hình của mình và chạy các mô hình của mình, anh ấy cần có thể truy cập vào GPU.

1:41:50

And, uh, the department that he was in had one GPU between 10 researchers, which meant that everybody got it for half a day, right?

Và, uh, khoa mà anh ấy làm việc có một GPU giữa 10 nhà nghiên cứu, nghĩa là mọi người đều có nó trong nửa ngày, đúng không?

1:41:57

Monday through Friday.

Thứ Hai đến Thứ Sáu.

1:41:58

And his half a day was Tuesday afternoon.

Và nửa ngày của anh ấy là chiều Thứ Ba.

1:42:00

So in

Vì vậy trong

1:42:01

his case, he would spend the entire time that wasn't Tuesday afternoon preparing everything for his model run or his model training or everything like that.

Trường hợp của anh ấy, anh ấy sẽ dành toàn bộ thời gian không phải chiều Thứ Ba để chuẩn bị mọi thứ cho lần chạy mô hình hoặc huấn luyện mô hình của mình hoặc mọi thứ tương tự.

1:42:08

And then Tuesday afternoon, once he had access to the GPU, then he would do the training, right?

Và rồi chiều Thứ Ba, khi anh ấy đã có quyền truy cập vào GPU, thì anh ấy sẽ thực hiện việc huấn luyện, đúng không?

1:42:12

And then he would hope that in that time that he would train his model and he would get the results that he wanted.

Và sau đó anh ấy hy vọng rằng trong thời gian đó anh ấy sẽ huấn luyện mô hình của mình và anh ấy sẽ nhận được kết quả mà anh ấy muốn.

1:42:18

Otherwise, he'd have to wait a week, you know, to get access to the GPU again.

Nếu không, anh ấy sẽ phải đợi một tuần, bạn biết đấy, để có quyền truy cập lại vào GPU.

1:42:22

Uh, and then I showed him Google Collab, right?

Uh, và sau đó tôi đã cho anh ấy xem Google Collab, đúng không?

1:42:24

Anybody ever used Google Collab, right?

Có ai từng sử dụng Google Collab chưa, đúng không?

1:42:25

And you can have a

Và bạn có thể có một

1:42:27

GPU in the cloud for free with that kind of thing.

GPU trên đám mây miễn phí với loại thứ đó.

1:42:29

And the poor guy's brain melted, right?

Và não của anh chàng tội nghiệp đó tan chảy, đúng không?

1:42:31

Um, that, you know, because I took out my phone and I showed him a notebook running on my phone and Google Collab and training it on that, and it changed everything for him, research-wise.

Ừm, điều đó, bạn biết đấy, bởi vì tôi lấy điện thoại ra và cho anh ấy xem một notebook đang chạy trên điện thoại của tôi và Google Collab và huấn luyện nó trên đó, và nó đã thay đổi mọi thứ đối với anh ấy, về mặt nghiên cứu.

1:42:39

Um, and you know, now it was a case of, and this was with free Collab, he had much more than he had with

Ừm, và bạn biết đấy, bây giờ đó là trường hợp, và đây là với Collab miễn phí, anh ấy có nhiều hơn những gì anh ấy có với

1:42:45

his shared GPU.

GPU chia sẻ của mình.

1:42:45

So I think, you know, for someone like him, you know, machine learning was an important part of his research, but he was so gated on it that the ability to widen access to that ended up, like, really advancing his research.

Vì vậy tôi nghĩ, bạn biết đấy, đối với một người như anh ấy, bạn biết đấy, học máy là một phần quan trọng trong nghiên cứu của anh ấy, nhưng anh ấy bị hạn chế quá nhiều đến mức khả năng mở rộng quyền truy cập vào nó cuối cùng đã thực sự thúc đẩy nghiên cứu của anh ấy.

1:42:56

I don't know where it ended up.

Tôi không biết nó đã kết thúc ở đâu.

1:42:58

I don't know what he has done.

Tôi không biết anh ấy đã làm gì.

1:43:00

It has been a few years since then, but, you know, that story just came to mind when you asked the question.

Đã vài năm kể từ đó, nhưng, bạn biết đấy, câu chuyện đó chỉ chợt nảy ra trong đầu khi bạn hỏi câu hỏi.

1:43:07

Any more questions?

Còn câu hỏi nào nữa không?

1:43:09

Any, feel free to ask me anything.

Cứ thoải mái hỏi tôi bất cứ điều gì.

1:43:15

Oh yeah, at the front here.

Ồ vâng, ở phía trước đây.

1:43:16

- This is more of a general question.

- Đây là một câu hỏi tổng quát hơn.

1:43:17

Could you talk about AI helping reduce?

Bạn có thể nói về việc AI giúp giảm?

1:43:20

Would you think AI would be a force of social equality or social inequality?

Bạn có nghĩ AI sẽ là một lực lượng của bình đẳng xã hội hay bất bình đẳng xã hội?

1:43:28

- So can AI be a force of social equality or social inequality?

- Vậy AI có thể là một lực lượng của bình đẳng xã hội hay bất bình đẳng xã hội?

1:43:32

Um, I think the answer to that is yes.

Ừm, tôi nghĩ câu trả lời cho điều đó là có.

1:43:35

It can be both, and it can be neither.

Nó có thể là cả hai, và nó có thể không là gì cả.

1:43:38

I mean, I think that ultimately the idea is that if, in my opinion, any tool can be used for any means.

Ý tôi là, tôi nghĩ rằng cuối cùng ý tưởng là nếu, theo ý kiến của tôi, bất kỳ công cụ nào cũng có thể được sử dụng cho bất kỳ mục đích nào.

1:43:45

So the important thing is to educate and inspire people towards using things for the correct means.

Vì vậy điều quan trọng là giáo dục và truyền cảm hứng cho mọi người hướng tới việc sử dụng mọi thứ cho mục đích đúng đắn.

1:43:50

There's only so much governance can be applied,

Chỉ có thể áp dụng quản trị đến một mức độ nhất định,

1:43:53

and sometimes governance can cause more problems than it solves.

Và đôi khi quản trị có thể gây ra nhiều vấn đề hơn là giải quyết chúng.

1:43:56

Um, so I always love to live my life by assuming good intent but preparing for bad intent.

Ừm, nên tôi luôn thích sống cuộc đời mình bằng cách giả định ý định tốt nhưng chuẩn bị cho ý định xấu.

1:44:02

And in the case of AI, I don't think there's any difference there, that everything that I will do and everything that I would advise is assuming good intent, that people will use it for good things, but also to be prepared for it to be

Và trong trường hợp của AI, tôi không nghĩ có sự khác biệt nào ở đó, rằng mọi thứ tôi sẽ làm và mọi thứ tôi sẽ khuyên đều là giả định ý định tốt, rằng mọi người sẽ sử dụng nó cho những điều tốt đẹp, nhưng cũng phải chuẩn bị cho việc nó bị

1:44:17

misused.

Lạm dụng.

1:44:17

Um, the bad examples that I showed earlier on, I think, where good intent rather than bad intent.

Ừm, những ví dụ xấu mà tôi đã trình bày trước đó, tôi nghĩ, là do ý định tốt chứ không phải ý định xấu.

1:44:23

Um, and most mistakes that I see like that are good intent being used mistakenly as opposed to bad intent.

Ừm, và hầu hết những sai lầm tôi thấy như vậy đều là ý định tốt bị sử dụng một cách nhầm lẫn thay vì ý định xấu.

1:44:29

But I would say that's the only mantra that I can, the only advice that I can give in that kind of thing, is always assume good intent but prepare for bad intent.

Nhưng tôi muốn nói rằng đó là phương châm duy nhất mà tôi có thể, lời khuyên duy nhất mà tôi có thể đưa ra trong kiểu tình huống đó, là luôn giả định ý định tốt nhưng chuẩn bị cho ý định xấu.

1:44:40

The AI itself has no choice, right?

Bản thân AI không có lựa chọn nào, đúng không?

1:44:44

It's how people use it.

Đó là cách mọi người sử dụng nó.

1:44:47

Andrew, did you want closing comments or any questions?

Andrew, anh có muốn đưa ra lời kết hay có câu hỏi nào không?

1:45:00

Thanks.

Cảm ơn.

1:45:00

- All right.

- Được rồi.

1:45:01

Thank you, Andrew.

Cảm ơn anh, Andrew.

1:45:02

Thanks, applause

Cảm ơn, [vỗ tay]

Transcript

Hiển thị

The Golden Age of AI Building

Andrew Ng argues that AI capabilities are advancing at an unprecedented pace, making it the best time ever to build with AI. As coding becomes easier, the bottleneck shifts to product management and deciding what to build.

Andrew Ng lập luận rằng năng lực AI đang tiến bộ với tốc độ chưa từng có, khiến đây trở thành thời điểm tốt nhất để xây dựng với AI. Khi việc lập trình trở nên dễ dàng hơn, nút thắt chuyển sang quản lý sản phẩm và quyết định xây dựng cái gì.

What I want to do today is um chat to you about career advice in AI.

Điều tôi muốn làm hôm nay là trò chuyện với các bạn về lời khuyên nghề nghiệp trong lĩnh vực AI.

And um in previous years I used to do most of this you know lecture by myself.

Và trong những năm trước, tôi thường tự mình giảng dạy phần lớn nội dung này.

just lives in Seattle uh to

Anh ấy sống ở Seattle, đến để

share with us a very broad market landscape for what he's seeing in the job market as well as tips for um career growing a career in AI.

A few

Một vài

months ago, I know that in social media, traditional media, there are a few questions about, you know, is AI slowing down, right?

tháng trước, tôi biết rằng trên mạng xã hội, truyền thông truyền thống, có một vài câu hỏi về việc liệu AI có đang chậm lại không, đúng không?

I people saying, well, is GP5 that good?

Mọi người nói rằng, liệu GP5 có tốt đến vậy không?

I think it's actually pretty good, but there are questions about is AI progress slowing down?

Tôi nghĩ nó thực sự khá tốt, nhưng có những câu hỏi về việc liệu tiến bộ AI có đang chậm lại không?

And I think part of the reason the question was even raised was because if a benchmark for AI is, you know, 100% is

Và tôi nghĩ một phần lý do câu hỏi này được đặt ra là vì nếu một benchmark cho AI là 100% là

perfect answers, then if you make rapid progress, at some point you cannot get above 100% accuracy.

câu trả lời hoàn hảo, thì nếu bạn tiến bộ nhanh chóng, đến một lúc nào đó bạn không thể vượt qua độ chính xác 100%.

So few years ago maybe GBD2 could do tasks that

Vậy vài năm trước, có lẽ GBD2 có thể làm các nhiệm vụ mà

Um and I think on this metric I feel you know optimistic that AI will continue making progress meaning the

Và tôi nghĩ với chỉ số này, tôi cảm thấy lạc quan rằng AI sẽ tiếp tục tiến bộ, nghĩa là

And AI could do more and more of

Và AI có thể làm ngày càng nhiều hơn

that.

điều đó.

And so the reasons I think this is a golden age to be building best time we've ever seen is um maybe two themes which are more powerful and faster.

Và vậy lý do tôi nghĩ đây là thời kỳ hoàng kim để xây dựng, thời điểm tốt nhất chúng ta từng thấy, là có lẽ hai chủ đề: mạnh mẽ hơn và nhanh hơn.

So we can all of you in this room can now write software that is more powerful than what anyone on the planet could have built you know like a year ago.

Um by using AI building blocks.

Bằng cách sử dụng các khối xây dựng AI.

AI building blocks include large language models,

Các khối xây dựng AI bao gồm các mô hình ngôn ngữ lớn,

rack, agent workflows, voice AI, and of course deep learning.

Rack, quy trình tác nhân, AI giọng nói, và tất nhiên là học sâu.

It turns out that a lot of LMS have a decent at least basic understanding of deep learning.

Hóa ra nhiều LMS có hiểu biết cơ bản ít nhất là khá tốt về học sâu.

building blocks to build software quickly.

khối xây dựng này để xây dựng phần mềm nhanh chóng.

Um and and so we have very powerful building blocks that were very difficult or did not exist a year or two ago.

Và vậy chúng ta có những khối xây dựng rất mạnh mẽ mà rất khó hoặc không tồn tại một hai năm trước.

And so you can now build software that does things that no one else on the planet, right?

Và vậy bạn giờ có thể xây dựng phần mềm làm những điều mà không ai khác trên hành tinh, đúng không?

Even the most advanced teams of planet could have done.

Ngay cả những đội tiên tiến nhất trên hành tinh cũng có thể đã làm.

And then also with um uh AI coding, the speed with which you can get software

Và sau đó cũng với AI coding, tốc độ bạn có thể có phần mềm

written is much faster than ever before.

được viết nhanh hơn nhiều so với trước đây.

And I personally found it is important to stay on the frontier of tools because the tools for AI coding changes right I don't know really rapidly.

It actually probably changes definitely every six months, but quite possibly every 3 months.

Nó thực sự có lẽ thay đổi chắc chắn mỗi sáu tháng, nhưng khá có thể mỗi 3 tháng.

And I find that um being

Và tôi thấy rằng việc

half a generation behind in these tools means being frankly quite a bit less productive.

chậm nửa thế hệ trong các công cụ này nghĩa là thực sự kém năng suất hơn khá nhiều.

generation of tools rather than half generation behind um makes you more productive and with our ability to build more powerful software and build it much faster than ever before.

written software spec to a piece of code, then the bottleneck increasingly is deciding what to build or increasingly writing that clear spec for what you actually want to build.

When I'm building software, I often think of going through a loop where we'll write some software, write some code, show it to users to get user feedback.

I think of this as a PM or product management

Tôi nghĩ về điều này như công việc PM hoặc quản lý sản phẩm

become much cheaper and much faster than before but that ironically shifts the bottleneck to deciding what to build.

trở nên rẻ hơn nhiều và nhanh hơn nhiều so với trước đây nhưng điều đó trớ trêu thay lại chuyển nút thắt sang việc quyết định xây dựng gì.

Those

Những

1 / 12