0:00

17:49

Stanford CS Professor: AI Can Code. That’s Why You Should Learn | Chris Piech

EO·17:49·Education·B2

Chương · 7

Chương 1·Learning to Code in the AI Era

Hiển thị

Tiếng ViệtAuto-scroll

0:00

Hi, you know, I'm Chris Peach.

Chào, bạn biết đấy, tôi là Chris Peach.

0:02

I'm a professor here at Stanford University.

Tôi là giáo sư ở Đại học Stanford.

0:04

I teach some large intro to computer science classes, some intro to math for AI.

Tôi dạy một số lớp nhập môn khoa học máy tính lớn, một số lớp nhập môn toán cho AI.

0:10

Code in Place, if people don't know it, it's an online class where you can learn to program.

Code in Place, nếu mọi người chưa biết, đó là một lớp học trực tuyến nơi bạn có thể học lập trình.

0:14

And the special thing about Code in Place is that it's the class in the world with the most teachers, and there's about 17,000 students and more than 1,000 teachers.

Và điều đặc biệt về Code in Place là nó là lớp học có nhiều giáo viên nhất trên thế giới, với khoảng 17.000 học viên và hơn 1.000 giáo viên.

0:20

We've been doing Code in Place for 6 years, so we did Code in Place before Cursor and Claude Code and Code in Place after.

Chúng tôi đã tổ chức Code in Place được 6 năm, vì vậy chúng tôi đã làm Code in Place trước Cursor và Claude Code và Code in Place sau đó.

0:26

A few

Một vài

0:27

observations.

Quan sát.

0:27

One, our enrollment basically doubled.

Một, số lượng đăng ký của chúng tôi về cơ bản đã tăng gấp đôi.

0:29

Oh my gosh, all these people want to learn how to code.

Ôi trời, tất cả những người này đều muốn học lập trình.

0:33

You can expand the question.

Bạn có thể mở rộng câu hỏi.

0:34

You can say, "Should I learn to program?" You can also say, "Should I learn probability?" Like AI music can code, but AI can also do probability.

Bạn có thể nói, "Tôi có nên học lập trình không?" Bạn cũng có thể nói, "Tôi có nên học xác suất không?" Giống như AI [nhạc] có thể lập trình, nhưng AI cũng có thể làm xác suất.

0:41

Should I learn to write?

Tôi có nên học viết không?

0:42

AI can write.

AI có thể viết.

0:43

I think the wrong answer would be, "No, no, no." We're not giving up on the next generation being smart.

Tôi nghĩ câu trả lời sai sẽ là, "Không, không, không." Chúng ta không từ bỏ việc thế hệ tiếp theo trở nên thông minh.

0:48

Yes, you should learn how to formalize an argument.

Đúng, bạn nên học cách hình thức hóa một lập luận.

0:50

Yes,

Đúng,

0:51

you should learn the depth of probabilistic reasoning.

Bạn nên học chiều sâu của lý luận xác suất.

0:53

And yes, you should learn how to program.

Và đúng, bạn nên học cách lập trình.

0:56

If AI is able to do those things, your abilities may be magnified.

Nếu AI có thể làm những điều đó, khả năng của bạn có thể được phóng đại.

1:00

But I imagine in the future, it will still be important to be smart in those spaces.

Nhưng tôi tưởng tượng trong tương lai, việc thông minh trong những lĩnh vực đó vẫn sẽ quan trọng.

1:05

I'm seeing music more people with a motivational crisis than I have in the past, and that makes sense.

Tôi thấy [nhạc] nhiều người gặp khủng hoảng động lực hơn so với trước đây, và điều đó hợp lý.

1:11

There's more uncertainty in

Có nhiều sự không chắc chắn hơn trong

1:13

the world.

Thế giới.

1:13

You know, you can think about, "What can I contribute with AI of 2026?" But I think students are faced with the much harder problem of thinking about, "Well, if I'm starting a 4-year program, I have to think about what jobs are going to exist in 2030 when AI is 4 years more advanced?" And that's a lot of uncertainty for music students, and I empathize with this quite a lot.

Bạn biết đấy, bạn có thể nghĩ về, "Tôi có thể đóng góp gì với AI của năm 2026?" Nhưng tôi nghĩ sinh viên phải đối mặt với vấn đề khó hơn nhiều là nghĩ về, "Chà, nếu tôi bắt đầu một chương trình 4 năm, tôi phải nghĩ về những công việc nào sẽ tồn tại vào năm 2030 khi AI tiên tiến hơn 4 năm?" Và đó là rất nhiều sự không chắc chắn cho [nhạc] sinh viên, và tôi rất đồng cảm với điều này.

1:33

Tôi

1:34

think naturally that leads to some motivational problems.

Nghĩ một cách tự nhiên điều đó dẫn đến một số vấn đề về động lực.

1:37

When am I actually getting something out of AI and when have I given away too music much of the growth?

Khi nào tôi thực sự nhận được điều gì đó từ AI và khi nào tôi đã trao đi quá nhiều [nhạc] sự phát triển?

1:42

I suppose, if I start outsourcing, music at what point will I no longer be able to do that?

Tôi cho rằng, nếu tôi bắt đầu thuê ngoài, [nhạc] đến lúc nào tôi sẽ không còn có thể làm điều đó nữa?

1:48

Like that really critical piece.

Giống như phần thực sự quan trọng đó.

1:49

I think all students have felt like this.

Tôi nghĩ tất cả sinh viên đều đã cảm thấy như vậy.

1:52

Like if you have AI write too many of your essays, at what point are you no longer able to write an essay?

Giống như nếu bạn để AI viết quá nhiều bài luận của bạn, đến lúc nào bạn không còn có thể viết một bài luận?

1:57

If you have AI write too much of your code, at what point can you no longer do that valuable piece of the architecture?

Nếu bạn để AI viết quá nhiều mã của bạn, đến lúc nào bạn không còn có thể làm phần kiến trúc có giá trị đó?

2:03

So, I suppose that's the part where like I think it's fun to use AI.

Vì vậy, tôi cho rằng đó là phần mà tôi nghĩ thật thú vị khi sử dụng AI.

2:07

I think people should be playing around with it, but you should be self-aware.

Tôi nghĩ mọi người nên thử nghiệm với nó, nhưng bạn nên tự nhận thức.

2:10

music

[nhạc]

2:11

And you should be self-aware of like are you also growing alongside the AI?

Và bạn nên tự nhận thức liệu bạn có đang phát triển cùng với AI không?

2:19

And you should care so much about your own personal music growth.

Và bạn nên quan tâm rất nhiều đến sự phát triển cá nhân của chính bạn [nhạc].

2:26

I was born in Nairobi, Kenya.

Tôi sinh ra ở Nairobi, Kenya.

2:27

When I was 12, I moved to Kuala Lumpur, Malaysia.

Khi tôi 12 tuổi, tôi chuyển đến Kuala Lumpur, Malaysia.

2:31

I ended up coming to the US for university.

Cuối cùng tôi đến Mỹ để học đại học.

2:34

I was just a curious human.

Tôi chỉ là một người tò mò.

2:36

I wasn't uh set on being a professor from day one.

Tôi không uh định trở thành giáo sư ngay từ đầu.

2:39

I just like learning and I liked interesting problems.

Tôi chỉ thích học hỏi và tôi thích những vấn đề thú vị.

2:42

And when I came to Stanford, I'd done a little bit of coding, but I really didn't know how to program.

Và khi tôi đến Stanford, tôi đã làm một chút lập trình, nhưng tôi thực sự không biết cách lập trình.

2:48

But like I had to fill an elective, so I just had to take a class.

Nhưng tôi phải điền một môn tự chọn, nên tôi phải học một lớp.

2:53

And I was like, okay, I'll do the programming class.

Và tôi nghĩ, được rồi, tôi sẽ học lớp lập trình.

2:55

And my teacher did the most wonderful thing.

Và giáo viên của tôi đã làm điều tuyệt vời nhất.

2:58

They said, at this point I'm going to have a challenge.

Họ nói, tại thời điểm này tôi sẽ có một thử thách.

3:01

Everyone in class, go make the most wonderful things with what you've learned in the first 2 weeks of programming.

Mọi người trong lớp, hãy tạo ra những điều tuyệt vời nhất với những gì bạn đã học trong 2 tuần đầu lập trình.

3:07

And I found myself able to put like 40 hours of extra work beyond my normal schooling into this challenge because I was so

Và tôi thấy mình có thể dành thêm 40 giờ làm việc ngoài giờ học bình thường cho thử thách này vì tôi quá

3:14

excited.

Hào hứng.

3:14

Uh and then eventually I discovered uh that I was so curious about how people learned, and I decided professor was the right thing for me.

Uh và rồi cuối cùng tôi phát hiện ra rằng tôi rất tò mò về cách mọi người học, và tôi quyết định trở thành giáo sư là điều đúng đắn cho tôi.

3:24

- So, Karel speaks this thing called Python, uh which we're going to be using as our programming language throughout the course.

- Vậy, Karel nói thứ gọi là Python, uh mà chúng ta sẽ sử dụng làm ngôn ngữ lập trình trong suốt khóa học.

3:31

So, Karel is our lovable robot.

Vậy, Karel là robot đáng yêu của chúng ta.

3:32

And Karel is in a world we think of the world as kind of having a north, west, south, and east, music and having compass directions.

Và Karel ở trong một thế giới mà chúng ta nghĩ về thế giới như có hướng bắc, tây, nam, đông, [nhạc] và có các hướng la bàn.

3:40

Turn right, Karel.

Quay phải, Karel.

3:41

Turn left.

Quay trái.

3:43

And then turn left.

Và sau đó quay trái.

3:45

And then turn left.

Và sau đó quay trái.

3:47

I'm now located.

Bây giờ tôi đang ở vị trí.

3:48

Turn right.

Quay phải.

3:49

- It's the class in the world with the most teachers.

- Đây là lớp học trên thế giới có nhiều giáo viên nhất.

3:52

There's one teacher for every 10 students and there's about 17,000 students and more than 1,000 teachers.

Có một giáo viên cho mỗi 10 học sinh và có khoảng 17.000 học sinh và hơn 1.000 giáo viên.

3:56

So, what problem was I trying to solve?

Vậy, tôi đang cố gắng giải quyết vấn đề gì?

3:59

Let's go back in time.

Hãy quay ngược thời gian.

4:00

It's early days in the pandemic.

Đó là những ngày đầu của đại dịch.

4:02

I'm about to teach Stanford's flagship intro to coding class and I'm been told that everything's going music to be online.

Tôi sắp dạy lớp nhập môn lập trình hàng đầu của Stanford và tôi được thông báo rằng mọi thứ sẽ [nhạc] được chuyển lên mạng.

4:08

And in this moment, we're thinking the world is suffering while we're putting the class online, is there something that we can also do to help the world?

Và trong khoảnh khắc này, chúng tôi đang nghĩ thế giới đang chịu đựng trong khi chúng tôi đưa lớp học lên mạng, liệu có điều gì chúng tôi cũng có thể làm để giúp thế giới không?

4:16

We can just put our videos online and we thought people

Chúng tôi có thể chỉ cần đưa video của mình lên mạng và chúng tôi nghĩ mọi người

4:20

might get a little bit out of it.

Có thể nhận được một chút từ đó.

4:22

But we know that it would be a lot less than what our Stanford students get because our Stanford students get the special sauce of Stanford education.

Nhưng chúng tôi biết rằng nó sẽ ít hơn nhiều so với những gì sinh viên Stanford của chúng tôi nhận được bởi vì sinh viên Stanford của chúng tôi nhận được nước sốt đặc biệt của giáo dục Stanford.

4:29

And the special sauce of Stanford education for intro CS is you get a section leader.

Và nước sốt đặc biệt của giáo dục Stanford cho môn CS nhập môn là bạn nhận được một trưởng nhóm học tập.

4:34

You get somebody who's just a little bit older than you, a little bit further along in their career, who's going to take time to help you grow.

Bạn nhận được một người chỉ lớn hơn bạn một chút, tiến xa hơn một chút trong sự nghiệp, người sẽ dành thời gian giúp bạn phát triển.

4:42

One of the common misconceptions just thinking that AI tutors will solve everything.

Một trong những hiểu lầm phổ biến là nghĩ rằng gia sư AI sẽ giải quyết mọi thứ.

4:45

We basically have AI tutors already but that isn't moving the needle in the way people expected.

Về cơ bản chúng ta đã có gia sư AI nhưng điều đó không tạo ra sự khác biệt như mọi người mong đợi.

4:51

music So, over the last 6 years, so we've now done this six times, we've tried a lot of different experiments where we gave people different dosage of AI and we have learned something very surprising.

[nhạc] Vậy, trong 6 năm qua, chúng tôi đã làm điều này sáu lần, chúng tôi đã thử nhiều thí nghiệm khác nhau khi cung cấp cho mọi người các liều lượng AI khác nhau và chúng tôi đã học được một điều rất đáng ngạc nhiên.

5:02

If we give people AI and just like here's a chatbot, use it to learn, predictably people will drop out.

Nếu chúng ta đưa cho mọi người AI và kiểu như đây là một chatbot, hãy dùng nó để học, theo dự đoán mọi người sẽ bỏ học.

5:08

People get demotivated.

Mọi người mất động lực.

5:09

It is demotivating to have AI thrown at you at the wrong moment of your learning.

Thật là mất động lực khi AI được ném vào bạn vào thời điểm sai lầm trong quá trình học của bạn.

5:13

We have found very nuanced ways where we can use AI that actually helps people learn.

Chúng tôi đã tìm ra những cách rất tinh tế để sử dụng AI thực sự giúp mọi người học.

5:18

But if you contrast that with humans.

Nhưng nếu bạn đối chiếu điều đó với con người.

5:20

So, if I throw AI at you, you're probably going

Vậy, nếu tôi ném AI vào bạn, theo thống kê bạn có thể sẽ

5:24

to become a little bit demotivated statistically.

Trở nên mất động lực một chút.

5:27

But what happens if I throw a human at you?

Nhưng điều gì xảy ra nếu tôi ném một con người vào bạn?

5:29

Imagine you're just programming in code in place, you might get a pop-up and it says, "Hey, there's a teacher online and they would like to spend 10 minutes with you.

Hãy tưởng tượng bạn đang lập trình trong Code in Place, bạn có thể nhận được một cửa sổ bật lên nói rằng, "Này, có một giáo viên trực tuyến và họ muốn dành 10 phút với bạn.

5:35

Do you want to talk to them?" If you hit yes, your probability of completing the course goes up 10 percentage points.

Bạn có muốn nói chuyện với họ không?" Nếu bạn nhấn có, xác suất hoàn thành khóa học của bạn tăng 10 điểm phần trăm.

5:40

So, you must be thinking, "Oh, the humans must be saying

Vậy, chắc bạn đang nghĩ, "Ồ, con người chắc hẳn đang nói

5:43

the right things and the AI must be saying the wrong things." We've looked at these conversations, the AI was correct.

Những điều đúng và AI chắc hẳn đang nói những điều sai." Chúng tôi đã xem xét những cuộc trò chuyện này, AI đã đúng.

5:49

It wasn't hallucinating not for intro programming and the humans weren't always correct.

Nó không bị ảo giác không phải cho lập trình nhập môn và con người không phải lúc nào cũng đúng.

5:54

But the human touch is special.

Nhưng sự chạm của con người là đặc biệt.

5:56

It's motivating and I think we all need motivation right now.

Nó tạo động lực và tôi nghĩ tất cả chúng ta đều cần động lực ngay bây giờ.

5:59

Everyone needs something to convince them I'm not going to make Claude do all the thinking for me.

Mọi người cần điều gì đó để thuyết phục họ rằng tôi sẽ không để Claude làm tất cả suy nghĩ thay tôi.

6:06

Like to actually do the thinking yourself takes extra energy.

Giống như thực sự tự mình suy nghĩ cần thêm năng lượng.

6:10

Crown jewel of education has always been motivation and it's a lot more motivating for me to say music I care about you being a smart person.

Viên ngọc quý của giáo dục luôn là động lực và nó tạo động lực hơn nhiều cho tôi khi nói [nhạc] tôi quan tâm đến việc bạn trở thành một người thông minh.

6:16

I'm not giving up on you being a smart person this time of AI.

Tôi không từ bỏ việc bạn trở thành một người thông minh trong thời đại AI này.

6:20

- music - Um let's work on your foundations and then when you're done with your foundations, I'll teach you how to code with music AI.

- [nhạc] - Ừm, hãy làm việc trên nền tảng của bạn và sau đó khi bạn hoàn thành nền tảng của mình, tôi sẽ dạy bạn cách lập trình với [nhạc] AI.

6:26

That works so much better.

Điều đó hiệu quả tốt hơn nhiều.

6:28

When I look at chatbots, I think they do a good job music of answering my question.

Khi tôi nhìn vào các chatbot, tôi nghĩ chúng làm tốt [nhạc] việc trả lời câu hỏi của tôi.

6:31

But one challenge I would pose to anybody thinking about how to make these work better for education is how do you get it to inspire?

Nhưng một thách thức tôi sẽ đặt ra cho bất kỳ ai đang nghĩ về cách làm cho những thứ này hoạt động tốt hơn cho giáo dục là làm thế nào để bạn khiến nó truyền cảm hứng?

6:37

music Sometimes I will inspire my students in a deep way.

[âm nhạc] Đôi khi tôi sẽ truyền cảm hứng cho học sinh của mình một cách sâu sắc.

6:40

And it could be like you come into my office and be like, "Hey, do you want to see something really cool

Và có thể là bạn bước vào văn phòng của tôi và nói, "Này, bạn có muốn xem một thứ gì đó thực sự thú vị

6:45

about probability?" And I just show them something really neat and they weren't even thinking about that.

Về xác suất không?" Và tôi chỉ cho họ xem một thứ rất gọn gàng và họ thậm chí còn không nghĩ về điều đó.

6:49

That wasn't the question they came in with.

Đó không phải là câu hỏi mà họ đến với tôi.

6:51

But then they feel that like love and like that inspiration.

Nhưng rồi họ cảm thấy tình yêu đó và cảm hứng đó.

6:54

And as music I said, if I can flip the switch of getting the student so curious that they can't help but learn.

Và như [âm nhạc] tôi đã nói, nếu tôi có thể bật công tắc khiến học sinh tò mò đến mức không thể không học.

6:59

Like the rest of the day all they can think about is the

Như thể suốt phần còn lại của ngày, tất cả những gì họ có thể nghĩ đến là

7:03

problem that I just posed to them or that cool thing I showed them.

Vấn đề mà tôi vừa đặt ra cho họ hoặc điều thú vị mà tôi đã cho họ xem.

7:06

If that curiosity gets ignited, uh then I feel like they'll get there.

Nếu sự tò mò đó được khơi dậy, uh thì tôi cảm thấy họ sẽ đạt được điều đó.

7:10

And when I look at current chatbots, music they're not igniting curiosity that much.

Và khi tôi nhìn vào các chatbot hiện tại, [âm nhạc] chúng không khơi dậy sự tò mò nhiều lắm.

7:13

It's it's not like you never show up to ChatGPT music and be like, "Hey, do you want to just see something that is going to make your mind explode music that will like, you know, pull you in?" Now, as a teacher, I can do that because I have some context on my students.

Không phải là bạn không bao giờ mở ChatGPT [âm nhạc] và nói, "Này, bạn có muốn xem một thứ sẽ khiến đầu óc bạn nổ tung [âm nhạc] và sẽ, bạn biết đấy, lôi cuốn bạn vào không?" Giờ đây, với tư cách là một giáo viên, tôi có thể làm điều đó vì tôi có một số hiểu biết về học sinh của mình.

7:27

I know largely where they are and largely where they're trying to go.

Tôi biết phần lớn họ đang ở đâu và phần lớn họ đang cố gắng đi đến đâu.

7:31

So I can be very delicate music in the choice of the inspiring example or the inspiring challenge to pose to my students.

Vì vậy, tôi có thể rất tinh tế [âm nhạc] trong việc lựa chọn ví dụ truyền cảm hứng hoặc thử thách truyền cảm hứng để đặt ra cho học sinh của mình.

7:38

If you just think an AI tutor will solve the clarity problem, you might miss at the bigger piece of the puzzle.

Nếu bạn chỉ nghĩ rằng một gia sư AI sẽ giải quyết vấn đề rõ ràng, bạn có thể bỏ lỡ phần lớn hơn của câu đố.

7:44

And I feel like if we leverage this, we can have a nicer world.

Và tôi cảm thấy nếu chúng ta tận dụng điều này, chúng ta có thể có một thế giới tốt đẹp hơn.

7:49

- The deepest understanding doesn't come in the moment.

- Sự hiểu biết sâu sắc nhất không đến ngay trong khoảnh khắc.

7:52

It's built beforehand.

Nó được xây dựng từ trước.

7:53

Same goes for us.

Điều tương tự cũng đúng với chúng ta.

7:54

Before the main interview, we always do a pre-interview call.

Trước buổi phỏng vấn chính, chúng tôi luôn thực hiện một cuộc gọi phỏng vấn trước.

7:58

And Granola quietly transcribes it in the background.

Và Granola lặng lẽ ghi lại nó ở chế độ nền.

8:00

music No bot ever joining, turning it into clean notes.

[âm nhạc] Không có bot nào tham gia, biến nó thành những ghi chú gọn gàng.

8:04

So, we built our own recipe for this.

Vì vậy, chúng tôi đã xây dựng công thức của riêng mình cho việc này.

8:07

It's called Interview Prep.

Nó được gọi là Interview Prep.

8:08

We wrote the prompt once with everything we want before a shoot, and now it's one click every time.

Chúng tôi đã viết lời nhắc một lần với mọi thứ chúng tôi muốn trước khi quay, và giờ chỉ cần một cú nhấp mỗi lần.

8:15

Then, minutes before the cameras roll, we run music it right on that pre-interview call.

Sau đó, vài phút trước khi máy quay bắt đầu, chúng tôi chạy [âm nhạc] nó ngay trên cuộc gọi phỏng vấn trước đó.

8:19

In seconds, it surfaces the story worth telling, music the threads worth pulling, and the questions worth asking.

Trong vài giây, nó làm nổi bật câu chuyện đáng kể, [âm nhạc] những mạch truyện đáng khai thác và những câu hỏi đáng hỏi.

8:25

It's like having the whole transcript in your head without ever opening it.

Giống như có toàn bộ bản ghi trong đầu mà không cần mở nó ra.

8:29

So, we sit down already knowing where it should go.

Vì vậy, chúng tôi ngồi xuống đã biết trước nó nên đi theo hướng nào.

8:32

It's not a generic checklist.

Đây không phải là một danh sách kiểm tra chung chung.

8:33

Every line music is drawn from the real discussion we just had, shaped by exactly how we like to prep.

Mỗi dòng [âm nhạc] đều được rút ra từ cuộc thảo luận thực sự mà chúng tôi vừa có, được định hình đúng theo cách chúng tôi thích chuẩn bị.

8:39

Less time scrambling to remember, more time fully present in the room.

Ít thời gian loay hoay cố nhớ hơn, nhiều thời gian hoàn toàn hiện diện trong phòng hơn.

8:42

Turns out, the more you prepare, the more you understand.

Hóa ra, bạn càng chuẩn bị nhiều, bạn càng hiểu nhiều.

8:46

Try Recipes today.

Hãy thử Recipes ngay hôm nay.

8:48

New users get 100% off their first month at the link in the description.

Người dùng mới được giảm 100% cho tháng đầu tiên tại liên kết trong phần mô tả.

8:58

- I'm seeing more people with a motivational crisis than I have in the past, and that makes sense.

- Tôi thấy nhiều người gặp khủng hoảng động lực hơn so với trước đây, và điều đó hợp lý.

9:03

There's more uncertainty in the world.

Thế giới có nhiều bất định hơn.

9:04

You know, you can think about what can I contribute with AI of 2026, but I think students are faced with a much harder problem of thinking about, well, if I'm starting a 4-year program, I have to think about what jobs are going to exist in 2030

Bạn biết đấy, bạn có thể nghĩ về việc mình có thể đóng góp gì với AI của năm 2026, nhưng tôi nghĩ học sinh đang đối mặt với một vấn đề khó hơn nhiều là nghĩ về, ừm, nếu tôi bắt đầu một chương trình 4 năm, tôi phải nghĩ về những công việc nào sẽ tồn tại vào năm 2030

9:18

when AI is 4 years more advanced.

Khi AI tiên tiến hơn 4 năm.

9:19

And And that's a lot of uncertainty for students, and I empathize with this quite a lot.

Và và đó là rất nhiều bất định đối với học sinh, và tôi đồng cảm với điều này khá nhiều.

9:24

In 5 to 10 years, many things will change.

Trong 5 đến 10 năm, nhiều thứ sẽ thay đổi.

9:27

The future has always been unpredictable.

Tương lai vốn dĩ luôn không thể đoán trước.

9:28

It's always been the case that if you ask people to project what jobs will be the right jobs 5 to 10 years, people always get it wrong.

Luôn là như vậy rằng nếu bạn yêu cầu mọi người dự đoán những công việc nào sẽ là công việc phù hợp trong 5 đến 10 năm, mọi người luôn đoán sai.

9:36

Here's an interesting anecdote, though.

Tuy nhiên, đây là một giai thoại thú vị.

9:38

So, when I was young, I'm old man now, but when I was young and I was in my PhD, it was around the time that one of my now colleagues was music making some of the first major milestones in self-driving cars.

Vậy nên, khi tôi còn trẻ, giờ tôi là ông già rồi, nhưng khi tôi còn trẻ và đang làm tiến sĩ, đó là khoảng thời gian mà một trong những đồng nghiệp hiện tại của tôi đang [âm nhạc] đạt được một số cột mốc lớn đầu tiên trong xe tự lái.

9:49

And this is back in like 2011, 2012.

Và đây là vào khoảng năm 2011, 2012.

9:51

And at that moment, you would see this car drive and music you'd think, "Oh my god, what does it mean to be a taxi driver or what does it mean to be a

Và vào thời điểm đó, bạn sẽ thấy chiếc xe này chạy và [âm nhạc] bạn sẽ nghĩ, "Ôi trời, làm tài xế taxi thì có nghĩa gì hoặc làm

10:00

truck driver?" But, in fact, what happened is the truck driver profession has been growing at a very healthy rate.

Tài xế xe tải thì có nghĩa gì?" Nhưng, trên thực tế, điều đã xảy ra là nghề tài xế xe tải đã tăng trưởng với tốc độ rất lành mạnh.

10:07

Um now, I don't know what the future holds for truck drivers.

Ừm, giờ tôi không biết tương lai sẽ ra sao đối với tài xế xe tải.

10:10

Maybe one day we'll come to an inflection point.

Có lẽ một ngày nào đó chúng ta sẽ đến một điểm uốn.

10:12

But, there is a lot of reasons that people underestimated.

Nhưng, có rất nhiều lý do khiến người ta đánh giá thấp.

10:15

They underestimated it like, "Well, if you have valuable cargo, you need a person who's responsible." Or the long tail sort of experiences.

Họ đánh giá thấp nó kiểu, "Chà, nếu bạn có hàng hóa giá trị, bạn cần một người chịu trách nhiệm." Hoặc những trải nghiệm kiểu đuôi dài.

10:21

There's always something different happening on highway.

Luôn có điều gì đó khác biệt xảy ra trên đường cao tốc.

10:23

99% of experiences can be the same, but like that 1% of things that are different, it's so hard to have a AI master all of them.

99% trải nghiệm có thể giống nhau, nhưng kiểu 1% những thứ khác biệt đó, thật khó để một AI nắm vững tất cả.

10:31

I think one day eventually we'll have fully self-driving

Tôi nghĩ một ngày nào đó cuối cùng chúng ta sẽ có xe tự lái hoàn toàn

10:34

cars and we'll live in a world where all our cars are driven by an AI system.

Và chúng ta sẽ sống trong một thế giới nơi tất cả xe của chúng ta được điều khiển bởi một hệ thống AI.

10:38

But, what I was surprised about was how grossly we overestimate how quickly we'd get there.

Nhưng điều khiến tôi ngạc nhiên là chúng ta đánh giá quá cao một cách thô thiển về việc chúng ta sẽ đến đó nhanh đến mức nào.

10:45

I think everyone who's worked deeply with AI has had this experience of by outsourcing a lot of thinking to AI, I am getting more separated from problem-solving myself.

Tôi nghĩ ai đã làm việc sâu với AI đều đã trải qua điều này: bằng cách thuê ngoài rất nhiều việc tư duy cho AI, tôi ngày càng tách khỏi việc tự mình giải quyết vấn đề.

10:54

A good example right now is - music - I program with AI a lot, but I happen to know a lot about programming and architecture.

Một ví dụ điển hình ngay bây giờ là - [nhạc] - Tôi lập trình với AI rất nhiều, nhưng tôi tình cờ biết nhiều về lập trình và kiến trúc.

11:03

And if I don't know a lot about programming and architecture, AI

Và nếu tôi không biết nhiều về lập trình và kiến trúc, AI

11:07

will start to make some poor decisions, which I might not experience the first time I make a prototype, but like five weeks down the line when students are actually using my thing, they might start to hit weird bugs.

Sẽ bắt đầu đưa ra một số quyết định tồi, mà tôi có thể không gặp phải lần đầu làm nguyên mẫu, nhưng kiểu năm tuần sau khi sinh viên thực sự dùng thứ của tôi, họ có thể bắt đầu gặp những lỗi kỳ lạ.

11:18

And if I don't understand the architecture, I can't help them.

Và nếu tôi không hiểu kiến trúc, tôi không thể giúp họ.

11:21

I suppose if I start outsourcing, at what point will I no longer be able to do that?

Tôi cho rằng nếu tôi bắt đầu thuê ngoài, đến lúc nào tôi sẽ không còn làm được việc đó nữa?

11:26

Like that really critical piece.

Kiểu phần thực sự quan trọng đó.

11:28

Uh I think all students have felt like this.

Uh tôi nghĩ tất cả sinh viên đều đã cảm thấy như vậy.

11:30

Like if have AI write too many of your essays, at what point are you no longer able to write an essay?

Kiểu nếu để AI viết quá nhiều bài luận của bạn, đến lúc nào bạn không còn viết được một bài luận nữa?

11:35

If you have AI write too much of your code, at what point can you no longer do that valuable piece of the architecture?

Nếu bạn để AI viết quá nhiều code của bạn, đến lúc nào bạn không còn làm được phần kiến trúc có giá trị đó nữa?

11:41

So, I suppose that's the part where like I think it's fun to use AI.

Vậy nên, tôi cho rằng đó là phần mà tôi nghĩ dùng AI rất vui.

11:45

I think people should be playing around with it, but you should be self-aware.

Tôi nghĩ mọi người nên thử nghiệm với nó, nhưng bạn nên tự nhận thức.

11:49

And you should be self-aware of like, are you also growing alongside the AI?

Và bạn nên tự nhận thức kiểu, liệu bạn có đang phát triển song song với AI không?

11:53

And you should care so much about your own personal growth.

Và bạn nên quan tâm rất nhiều đến sự phát triển cá nhân của chính mình.

11:56

When you're learning how to program, - music - largely you can separate it into two pieces.

Khi bạn học lập trình, - [nhạc] - phần lớn bạn có thể tách nó thành hai phần.

12:01

One piece is you're learning the syntax of how do we tell computers to do things, and the other thing you're learning is basically problem-solving.

Một phần là bạn đang học cú pháp về cách chúng ta bảo máy tính làm mọi thứ, và phần còn lại bạn đang học về cơ bản là giải quyết vấn đề.

12:09

Like, how do you take big problems and break them down into small pieces?

Kiểu, làm thế nào bạn lấy những vấn đề lớn và chia nhỏ chúng thành những phần nhỏ?

12:12

How do you set it up so that data can speak music to algorithms?

Làm thế nào bạn thiết lập để dữ liệu có thể nói chuyện [nhạc] với thuật toán?

12:16

How do you think about algorithms?

Bạn nghĩ về thuật toán như thế nào?

12:17

So, I'm going to say AI is going to get really, really good at just the syntax.

Vậy nên, tôi sẽ nói AI sẽ trở nên thực sự, thực sự giỏi chỉ với cú pháp.

12:22

It's less important in the future that you've memorized every command.

Trong tương lai, việc bạn đã ghi nhớ mọi lệnh sẽ ít quan trọng hơn.

12:26

music It's probably more important that you know how to problem-solve.

[nhạc] Có lẽ quan trọng hơn là bạn biết cách giải quyết vấn đề.

12:29

So, while you're learning to program, really focus on

Vậy nên, trong khi bạn học lập trình, hãy thực sự tập trung vào

12:32

that problem-solving ability.

Khả năng giải quyết vấn đề đó.

12:34

There's one thing about coding that's special.

Có một điều về lập trình rất đặc biệt.

12:36

You get immediate falsifiable feedback.

Bạn nhận được phản hồi có thể bác bỏ ngay lập tức.

12:37

Like, if your logic is wrong, your thing doesn't work, and you get to see that, and you get to iterate quickly.

Kiểu, nếu logic của bạn sai, thứ của bạn không hoạt động, và bạn được thấy điều đó, và bạn được lặp lại nhanh chóng.

12:44

Whereas if you apply problem-solving to life, you could make a poor decision, but the feedback cycle is so slow that you don't get to practice getting better and better at

Trong khi đó nếu bạn áp dụng giải quyết vấn đề vào cuộc sống, bạn có thể đưa ra một quyết định tồi, nhưng chu kỳ phản hồi chậm đến mức bạn không được luyện tập để ngày càng giỏi hơn trong

12:54

making decisions.

Việc ra quyết định.

12:54

So, there's a couple things about coding that makes it particularly good at teaching how to problem-solve.

Vậy nên, có một vài điều về lập trình khiến nó đặc biệt giỏi trong việc dạy cách giải quyết vấn đề.

12:59

The question, how do you become like a really high contributor music engineer?

Câu hỏi là, làm thế nào bạn trở thành một kỹ sư đóng góp thực sự cao [nhạc]?

13:04

You might not find my answer that surprising, but it's like it's time on task.

Bạn có thể không thấy câu trả lời của tôi đáng ngạc nhiên lắm, nhưng nó kiểu như là thời gian làm việc.

13:08

It's like, how much time are you spending actually creating things?

Kiểu, bạn dành bao nhiêu thời gian thực sự để tạo ra mọi thứ?

13:12

And I'm going to separate you

Và tôi sẽ tách bạn

13:14

creating versus you giving it to Claude code.

Việc tạo ra so với việc bạn đưa nó cho Claude code.

13:15

Now, by the way, you know what I would do if I was a young person?

Nhân tiện, bạn biết tôi sẽ làm gì nếu tôi là một người trẻ không?

13:19

I would make a lot of prototypes with Claude code, and I'd say, "Claude code, teach me all the most important things that you in order to create this." And I would iterate that way, and I'd get lots of experience, so I can try and figure out what are the most important

Tôi sẽ làm rất nhiều nguyên mẫu với Claude code, và tôi sẽ nói, "Claude code, dạy tôi tất cả những điều quan trọng nhất mà bạn cần để tạo ra cái này." Và tôi sẽ lặp lại theo cách đó, và tôi sẽ có nhiều kinh nghiệm, để tôi có thể thử tìm ra đâu là những

13:31

concepts.

Khái niệm quan trọng nhất.

13:31

I'll give your young engineers a particular challenge.

Tôi sẽ đưa cho các kỹ sư trẻ của bạn một thử thách cụ thể.

13:34

As I said, it's a confusing time, but there's an opportunity that didn't exist before.

Như tôi đã nói, đây là một thời kỳ khó hiểu, nhưng có một cơ hội chưa từng tồn tại trước đây.

13:39

One of the things that's happened is barriers to entries have been cut.

Một trong những điều đã xảy ra là rào cản gia nhập đã bị cắt giảm.

13:42

You could be uh 12th grader, so an 18-year-old with a friend, you might be able to make a high-quality startup.

Bạn có thể là uh học sinh lớp 12, tức là một người 18 tuổi cùng với một người bạn, bạn có thể tạo ra một startup chất lượng cao.

13:49

The two of you could make a pretty impressive code base that solves an interesting problem.

Hai bạn có thể tạo ra một cơ sở code khá ấn tượng giải quyết một vấn đề thú vị.

13:54

There is a real art form to knowing what is a valuable problem to solve.

Có một hình thức nghệ thuật thực sự trong việc biết đâu là một vấn đề có giá trị để giải quyết.

13:58

Uh and I think more

Ừ và tôi nghĩ nhiều hơn

14:00

and more juniors music engineers get to engage with that art form.

Và ngày càng nhiều kỹ sư [âm nhạc] trẻ được tham gia vào loại hình nghệ thuật đó.

14:04

Like what is worth actually making?

Giống như điều gì thực sự đáng để tạo ra?

14:06

What do users want?

Người dùng muốn gì?

14:07

What's the feature that will help them make progress in whatever their problems are?

Tính năng nào sẽ giúp họ tiến bộ trong bất kể vấn đề của họ là gì?

14:12

So that ability to interface between what are computers able to do and what do humans actually need has always been a critical high-order skill, and I think if I were

Vì vậy, khả năng giao tiếp giữa những gì máy tính có thể làm và những gì con người thực sự cần luôn là một kỹ năng cấp cao quan trọng, và tôi nghĩ nếu tôi là

14:23

a junior engineer, I would start working on that skill now.

Một kỹ sư trẻ, tôi sẽ bắt đầu làm việc trên kỹ năng đó ngay bây giờ.

14:28

I wouldn't wait till I was a senior engineer.

Tôi sẽ không đợi đến khi tôi là một kỹ sư cấp cao.

14:32

If you start with the premise that my children will become smart people, and your children will become smart people.

Nếu bạn bắt đầu với tiền đề rằng con tôi sẽ trở thành những người thông minh, và con bạn sẽ trở thành những người thông minh.

14:37

If you don't have children, then maybe your nephews and nieces will become smart people.

Nếu bạn không có con, thì có lẽ cháu trai và cháu gái của bạn sẽ trở thành những người thông minh.

14:40

You start from the premise that the next generation will be filled with people who are smarter than we are.

Bạn bắt đầu từ tiền đề rằng thế hệ tiếp theo sẽ đầy những người thông minh hơn chúng ta.

14:45

Then you're like, "Okay, how do we get them to that point?" And then you look at any subject, probability, computer science.

Sau đó bạn nghĩ, "Được rồi, làm thế nào để đưa họ đến điểm đó?" Và sau đó bạn xem xét bất kỳ môn học nào, xác suất, khoa học máy tính.

14:50

And when you look at any subject, there's often - music - foundational concepts, and then you'll have layers of complexity built on top of it.

Và khi bạn xem xét bất kỳ môn học nào, thường có - [âm nhạc] - các khái niệm nền tảng, và sau đó bạn sẽ có các lớp phức tạp được xây dựng trên đó.

14:57

If you expect them to become smarter than you are, it's really hard to skip the foundations.

Nếu bạn mong đợi họ trở nên thông minh hơn bạn, thật khó để bỏ qua các nền tảng.

15:01

And one way of thinking

Và một cách suy nghĩ

15:03

about that is we've had calculators do multiplication for a long time.

Về điều đó là chúng ta đã có máy tính thực hiện phép nhân trong một thời gian dài.

15:06

Kids still need to learn multiplication.

Trẻ em vẫn cần học phép nhân.

15:08

Now, there's a subtle difference.

Bây giờ, có một sự khác biệt tinh tế.

15:09

The concept of multiplication is so critical, but actually knowing how to do the rote, you know, if I ask you like, "What's 13 * 7?

Khái niệm về phép nhân rất quan trọng, nhưng thực sự biết cách làm theo lối mòn, bạn biết đấy, nếu tôi hỏi bạn như, "13 * 7 bằng bao nhiêu?

15:17

Go music quick." That's not as important as just knowing what is multiplication.

Trả lời [âm nhạc] nhanh." Điều đó không quan trọng bằng việc chỉ biết phép nhân là gì.

15:20

We can't skip the foundations, but you can maybe be music more artful about what you focus on.

Chúng ta không thể bỏ qua các nền tảng, nhưng bạn có thể có lẽ [âm nhạc] khéo léo hơn về những gì bạn tập trung vào.

15:26

I kind of take it as an axiom that I'm not giving up on the next generation.

Tôi coi đó như một tiên đề rằng tôi không từ bỏ thế hệ tiếp theo.

15:31

Honestly, the people I've seen get most lost and most demotivated in this mode of AI are sometimes the ones who are overthinking it.

Thành thật mà nói, những người tôi thấy bị lạc lối và mất động lực nhất trong chế độ AI này đôi khi là những người suy nghĩ quá nhiều về nó.

15:38

I had a

Tôi đã có một

15:39

student, he was just doing such wonderful things.

Sinh viên, cậu ấy đang làm những điều tuyệt vời.

15:40

He was using AI, he was solving problems, he was learning amazing things.

Cậu ấy đang sử dụng AI, cậu ấy đang giải quyết vấn đề, cậu ấy đang học những điều tuyệt vời.

15:43

I asked, "Hey, wonderful student, like what are you thinking about?" And he says, "I actually don't think about it.

Tôi hỏi, "Này, sinh viên tuyệt vời, bạn đang nghĩ gì vậy?" Và cậu ấy nói, "Tôi thực sự không nghĩ về nó.

15:48

I don't really think about the future of AI, and that allows me to thrive." And that gave me pause.

Tôi không thực sự nghĩ về tương lai của AI, và điều đó cho phép tôi phát triển." Và điều đó khiến tôi dừng lại.

15:53

I think about AI all the time.

Tôi nghĩ về AI mọi lúc.

15:54

I feel like I think about

Tôi cảm thấy như tôi nghĩ về

15:56

AI 10 times a day.

AI 10 lần một ngày.

15:57

And then the simplicity of like, "No, I'm just going to be curious and learn." Since that day, I start my day with the axiom.

Và sau đó sự đơn giản như, "Không, tôi sẽ chỉ tò mò và học hỏi." Kể từ ngày đó, tôi bắt đầu ngày mới với tiên đề.

16:05

I don't ask why I care about the next generation be smarter, I take it as a truth.

Tôi không hỏi tại sao tôi quan tâm đến việc thế hệ tiếp theo thông minh hơn, tôi coi đó là sự thật.

16:11

I want this, and I will work towards it.

Tôi muốn điều này, và tôi sẽ làm việc để đạt được nó.

16:13

It's a tool, and it will multiply humans.

Đó là một công cụ, và nó sẽ nhân lên con người.

16:16

So, when humans are at our best, we can use this tool to multiply us.

Vì vậy, khi con người ở trạng thái tốt nhất, chúng ta có thể sử dụng công cụ này để nhân lên chính mình.

16:21

Like the doctor who really cares about their patient now has a tool that they can do more, faster, more accurately.

Giống như bác sĩ thực sự quan tâm đến bệnh nhân của họ giờ có một công cụ để họ làm nhiều hơn, nhanh hơn, chính xác hơn.

16:27

The teacher who really cares about their students, who is passionate about them learning, they can go further with their students, and they can do more.

Giáo viên thực sự quan tâm đến học sinh của họ, người đam mê việc học của họ, họ có thể đi xa hơn với học sinh của mình, và họ có thể làm nhiều hơn.

16:34

Also, I get to see young people all the time.

Ngoài ra, tôi được gặp những người trẻ mọi lúc.

16:38

And I would say that gives me inspiration.

Và tôi muốn nói rằng điều đó mang lại cho tôi cảm hứng.

16:40

Seeing their self-awareness, how critical their thinking, uh seeing them blossoming, it gives you optimism.

Nhìn thấy sự tự nhận thức của họ, tư duy phản biện của họ sắc bén như thế nào, uh nhìn thấy họ nở rộ, nó mang lại cho bạn sự lạc quan.

16:45

If I was a young person right now, the most valuable thing is that you have the self-awareness.

Nếu tôi là một người trẻ ngay bây giờ, điều quý giá nhất là bạn có sự tự nhận thức.

16:51

You should also have the goal that I will become smarter.

Bạn cũng nên có mục tiêu rằng tôi sẽ trở nên thông minh hơn.

16:55

Chris is not giving up on you, you should not give up on yourself, either.

Chris không từ bỏ bạn, bạn cũng không nên từ bỏ chính mình.

17:00

I have two kids under five.

Tôi có hai đứa con dưới năm tuổi.

17:02

- music - And you know what?

- [âm nhạc] - Và bạn biết không?

17:04

They're going to live in an awesome world.

Chúng sẽ sống trong một thế giới tuyệt vời.

17:06

Like we're going to adapt, we're going to figure things out.

Giống như chúng ta sẽ thích nghi, chúng ta sẽ tìm ra mọi thứ.

17:09

They're going to still have curiosities, they're going to still grow their minds, and we're music going to keep every day working towards that.

Chúng sẽ vẫn có sự tò mò, chúng sẽ vẫn phát triển trí tuệ, và chúng ta [âm nhạc] sẽ tiếp tục làm việc mỗi ngày hướng tới điều đó.

17:17

The top engineer might not be the person who knows all the code.

Kỹ sư hàng đầu có thể không phải là người biết tất cả các mã.

17:20

Maybe the top engineer is a person who can relate the real world human problems - music - into the world of apps, into the world of data science, and into the world of research.

Có lẽ kỹ sư hàng đầu là người có thể liên hệ các vấn đề thực tế của con người trong thế giới thực - [nhạc] - vào thế giới ứng dụng, vào thế giới khoa học dữ liệu, và vào thế giới nghiên cứu.

17:31

- music - So, go make stuff.

- [nhạc] - Vậy thì, hãy đi tạo ra sản phẩm.

17:33

Make stuff that people use, make stuff that people love, and in that process of iteration, you have an opportunity to become excellent at coding and excellent at problem solving.

Hãy tạo ra những thứ mà mọi người sử dụng, tạo ra những thứ mà mọi người yêu thích, và trong quá trình lặp đi lặp lại đó, bạn có cơ hội trở nên xuất sắc trong việc lập trình và xuất sắc trong việc giải quyết vấn đề.

17:43

Just take Axioms.

Chỉ cần lấy Axioms.

17:44

music You will become smarter than you were yesterday.

[nhạc] Bạn sẽ trở nên thông minh hơn so với ngày hôm qua.

17:47

Start your day like that.

Hãy bắt đầu ngày mới của bạn như thế.

Transcript

Hiển thị

Learning to Code in the AI Era

Chris Piech introduces Code in Place, a large online programming course, and notes that enrollment doubled after AI coding tools became common. He argues that AI's ability to code does not remove the need to learn programming, probability, or writing, because these skills still make people smarter and more capable.

Chris Piech giới thiệu Code in Place, một khóa học lập trình trực tuyến quy mô lớn, và ghi nhận rằng số lượng đăng ký đã tăng gấp đôi sau khi các công cụ lập trình AI trở nên phổ biến. Ông lập luận rằng khả năng lập trình của AI không làm mất đi nhu cầu học lập trình, xác suất hay viết lách, bởi những kỹ năng này vẫn giúp con người thông minh và có năng lực hơn.