kiến thức Kết nối sâu - cộng sinh cùng AI

Đố vui có thưởng – Mindset Rebuilding (Phần đáp án đã sửa lại – một bài học thực tế về Mind Observer) (độ khó 3)

Mình sẽ kể ra 1 câu chuyện trong thực tế, trong chính dự án mình đang làm luôn. Đây là 1 ví dụ của Mindset Rebuilding. Các bạn sau khi đọc câu chuyện, hãy comment trích dẫn lại 3 câu trong câu chuyện mà thể hiện rõ ràng nhất về kỹ năng Mindset Rebuilding. 1 phần quà 100K bằng tiền mặt sẽ thuộc về bạn.

Câu chuyện như sau

Dự án của tôi code bằng ngôn ngữ C, có khoảng 2Gb source code. C là 1 ngôn ngữ rất dễ gặp memory leak. Vì vậy, như trước đây chúng tôi vẫn hay làm, chúng tôi luôn cố gắng review source code thật kỹ trước khi merge vào nhánh master. Định kỳ, chúng tôi lại chạy code bằng tool Valgrind để phát hiện memory leak trong trường hợp hệ thống hoạt động bình thường. Tuy nhiên, trong source code có những đoạn if – else – goto mà chỉ nhảy vào khi hệ thống gặp lỗi gì đó, hệ thống test của chúng tôi không thể cover hết được. Chúng tôi muốn đảm bảo rằng không có memory leak trong những luồng đó.

Chúng tôi bàn luận với nhau, dự định sẽ chọn ra 1 số file code quan trọng, chia đều cho các thành viên trong nhóm – khoảng 20 người, chúng tôi sẽ dành ra khoảng 3 tuần để cùng nhau review. Việc review source code trong 3 tuần có vẻ sẽ rất nhàm chán và dễ bỏ sót lỗi. Vì vậy, chúng tôi nghĩ đến việc sẽ cho AI để review.

Chúng tôi cùng nhau bàn bạc, tìm cách làm thể nào để AI có thể phát hiện được memory leak trong source code C, các bạn biết rồi đấy, ngôn ngữ C nếu dùng để phát triển project lớn thì nó sẽ khiển luồng code rất phức tạp. Đây không phải là mảnh đất phù hợp cho AI.

Cuối cùng, chúng tôi đề ra phương án như sau. Đầu tiên chúng tôi sẽ tự nghĩ xem, bản chất khi mình review code để tìm memory leak, đầu mình hoạt động như thế nào. Chúng tôi nhận ra 1 số pattern trong đầu mà chúng tôi hay dùng để phát hiện memory leak. Bao gồm:

• Tập trung nhìn vào những điểm thoát của hàm. Như return mã lỗi, câu lệnh goto, exit().
• Tại từng điểm thoát 1, chúng tôi sẽ nhìn lại toàn bộ những memory mà chúng tôi đã cấp phát ở trong hàm, xem chúng đã được free chưa.
• Sau khi kiểm tra ở trong hàm, chúng tôi kiểm tra đến những memory được cấp phát ở con trỏ global. Tại tất cả các điểm mà chương trình có thể kết thúc, chúng đã được free chưa.

Sau đó, chúng tôi dạy cho Copilot thông qua những câu lệnh prompt như sau:

• Các hàm allocate memory sẽ có tên là A(), B(), C()...
• Các hàm free memory sẽ có tên là C(), D(), E(),...
• Function có thể kết thúc thông qua các câu lệnh như: return, goto...
• Chương trình chính có thể kết thúc thông qua các câu lệnh như: return trong hàm main, exit() tại bất cứ điểm nào trong source code.
• Nếu 1 memory bất kỳ được allocate bởi bất cứ hàm nào trong (1) thì nó phải được free bởi (2), nếu không sẽ bị memory leak.
• Thực hiện phân tích source code, bằng cách đọc từng hàm 1, kiểm tra trước khi hàm kết thúc, có memory leak không.
• Kiểm tra các câu lệnh return trong hàm main, hoặc trước các câu lệnh exit() tại bất kỳ điểm nào trong source code, các con trỏ được cấp phát bộ nhớ có bị memory leak không.
• Kết quả phân tích đưa ra bằng dạng bảng, cột 1 là tên hàm, cột 2 là tên file và số dòng gây memory leak, cột thứ 3 là mô tả ngắn về nguyên nhân gây lỗi

Sau đó tôi đưa cho Copilot danh sách các file, nó tự thực hiện phân tích và đưa kết quả ở dạng bảng cho tôi. Tôi đối chiếu, kiểm tra lại theo source code 1 lần nữa.

Các bạn hãy comment trích dẫn ra 3 câu trong bài viết mà theo bạn đánh giá, chúng liên quan nhất đến kỹ năng Mindset Rebuilding, giải thích tại sao. Mình sẽ đánh giá và kết luận vào lúc 10h tối. Chúc mọi người chơi game vui vẻ.

Câu hỏi mở: Theo các bạn, ngoài Mindset Rebuilding, trong câu chuyện này có thể hiện ý nghĩa của Identity Realignment không? Tại sao?



Đáp án Cập nhật sáng hôm sau – một bài học thực tế về Mind Observer

Đoạn văn đáp án ban đầu bị xen lẫn 1 ít cảm xúc của mình. Nguyên nhân là do mình bỏ nhiều công sức ra viết nhưng các bài viết vẫn bị lệch với người đọc. Sau khi dùng Mind Observer để quan sát lại bản thân, mình đã sửa lại 1 ít về câu chữ, đưa bài viết về hướng trung tính, phù hợp với mục đích chia sẻ kiến thức.

Cảm ơn mọi người đã comment trả lời rất nhiệt tình nhé. Mục đích của mình khi đưa ra mini game này, là muốn mọi người thấy 4 kỹ năng AI ở những bài trước, tuy đọc thì rất trừu tượng nhưng phần ứng dụng thực tế thì lại sát sườn với công việc hàng ngày. Tại sao chúng trừu tượng thì lát mình giải thích sau.

Vậy, mấu chốt của việc Mindset Rebuilding ở trong bài viết là gì?

1. Đội ngũ lập trình viên đã nhận ra hiện tại, AI có thể thay họ làm 1 số việc trong dự án, miễn là họ chia nhỏ và giải thích được cho nó hiểu.

2. Họ nhận ra rằng, có những loại công việc trước kia họ vẫn nghĩ là phức tạp, ví dụ như review code để tìm ra memory leak, thực ra lại có thể chia ra thành từng bước đơn giản, để cho AI có thể làm được 1 cách máy móc.

Hai điểm thay đổi tư duy ở trên là cốt lõi nhất. Chỉ cần thay đổi điểm này về mặt tư duy, tự họ sẽ tìm ra giải pháp để thực hiện nó. Ví dụ như nhóm có thể cắt ra 1 người chuyên nghiên cứu về AI để áp dụng xử lý công việc trong dự án, hoặc thuê thêm người trẻ vào để đảm nhiệm việc này.

Các bước mà họ thực hiện để đẩy phần việc Review code cho AI, ví dụ như ngẫm lại về cách mình làm, chia nhỏ các bước, mô tả.... Chúng gọi là giải pháp thực hiện, giải pháp là phần nổi, được quyết định bởi tư duy. Kiểu như nếu như đội nhóm đã nhìn ra việc Review code AI có thể làm tốt hơn con người, kiểu gì họ cũng sẽ tìm ra giải pháp.

Cách giải mini game này thế nào:

Câu chuyện trong game, được chia làm 2 tầng. Tầng vỏ là giải pháp, cách thức thực hiện. Tầng lõi là sự thay đổi về tư duy. Giải pháp thì rất dễ nhận biết và học theo, nên hầu như ai cũng thấy.

Vậy sau khi thấy được giải pháp, làm thế nào để phát hiện được tư duy? Mẹo ở đây là chúng ta sẽ đặt tiếp 1 câu hỏi để đẩy tư duy xuống 1 tầng nữa. Câu hỏi đó là: Tại sao tự nhiên họ lại nghĩ ra giải pháp đấy.

Ở ngoài đời, khi bạn thấy 1 Senior đưa ra cách debug, fix bug. Bạn học lại theo kiểu pattern, dạng lỗi đó thì làm như vậy. Nếu làm thế, bạn mãi mãi là người đi sau. Vì bạn chỉ học được lớp vỏ, mà ko học được cái lõi tư duy của người Senior kia. Muốn học được lõi, bạn phải đặt ra câu hỏi, tại sao anh/chị lại nghĩ ra cách fix đó, hoặc các bước debug đó.

Chúng ta thường ngại học tư duy tầng sâu, vì chúng trừu tượng và học vất vả. Các kỹ năng ở tầng bề mặt thì hấp dẫn hơn vì chúng trực quan, học nhanh dễ áp dụng. Nhưng với xu hướng của AI, những loại công việc ở tầng bề mặt như code, test, viết tài liệu... Dần dần sẽ bị thay thế bởi AI. Vì đặc thù của AI vốn dĩ phù hợp với những loại công việc kiểu này.

Các khóa học dạy về prompt, ChatGPT... nhiều nơi dạy theo kiểu pattern, form mẫu. Người học dễ áp dụng, dễ hứng thú, nhàn cho người dạy.

Về câu hỏi mở, có identity realignment trong đây ko?

Câu trả lời là có 1 ít, ở mức độ nhẹ. Đó là đội ngũ lập trình viên đã biết chấp nhận giới hạn của mình về mặt sinh học. Họ biết rằng nếu review 1 file code C khoảng 10k line, họ có thể làm tốt hơn AI, nhưng nếu phải review 10, 20 files, họ thua AI. Họ thua ở đây không phải vì trình độ, mà vì bộ não của họ là 1 bộ não sinh học, nó biết mệt mỏi, ghét sự nhàm chán, có thể bị nhầm lẫn...

#huumanAISymbiosis

+100 cho bác thớt chia sẻ nói chung và chia sẻ kinh nghiệm dùng AI nói riêng và hóng học hỏi được thêm . Cá nhân em từng làm sơ sơ về AI/LLM thì thấy bản chất nó là mô hình thống kê:

• Có 1 tỷ văn bản dạng text đầu vào => từ kinh nghiệm đầu vào đó, nó sẽ đưa ra đáp án khả dĩ nhất
• Ví dụ gặp nhiều từ "ông Nguyễn Văn A", xong nếu gặp input là "ông Nguyễn Văn" thì nó sẽ bật ra từ "A" là từ khả dĩ nhất

Nên đợt gần đây dùng nó vẫn dạng Q&A là nhiều, chứ chưa đào sâu xem có gì hơn (gần nhất thì em mò thử con Claude Code viết docs cho mình cũng thích, cơ mà code nó viết ra vẫn không ưng ý lắm nên ít xài).

Quay lại chủ đề chính, em đang hiểu cái bác thớt muốn dạy mọi người liên quan đến thay đổi tư duy khi làm việc với AI, thể hiện cụ thể qua cách thay đổi cách prompting/nhập dữ liệu vào cho LLM. Câu hỏi của em là:

• Em hiểu thế có chính xác không
• Áp dụng với các mô hình khác ChatGPT thì như thế nào (ví dụ với Claude, Grok, Gemini, v.v.)
• Một số use case cụ thể hơn (ví dụ với người code thì nên setup ra sao; với người làm marketing thì có gì khác; so di bác nếu câu hỏi này hơi rộng quá phạm vi ban đầu)

odkjabqpmzvmz đã nói:

+100 cho bác thớt chia sẻ nói chung và chia sẻ kinh nghiệm dùng AI nói riêng và hóng học hỏi được thêm . Cá nhân em từng làm sơ sơ về AI/LLM thì thấy bản chất nó là mô hình thống kê:

• Có 1 tỷ văn bản dạng text đầu vào => từ kinh nghiệm đầu vào đó, nó sẽ đưa ra đáp án khả dĩ nhất
• Ví dụ gặp nhiều từ "ông Nguyễn Văn A", xong nếu gặp input là "ông Nguyễn Văn" thì nó sẽ bật ra từ "A" là từ khả dĩ nhất

Nên đợt gần đây dùng nó vẫn dạng Q&A là nhiều, chứ chưa đào sâu xem có gì hơn (gần nhất thì em mò thử con Claude Code viết docs cho mình cũng thích, cơ mà code nó viết ra vẫn không ưng ý lắm nên ít xài).

Quay lại chủ đề chính, em đang hiểu cái bác thớt muốn dạy mọi người liên quan đến thay đổi tư duy khi làm việc với AI, thể hiện cụ thể qua cách thay đổi cách prompting/nhập dữ liệu vào cho LLM. Câu hỏi của em là:

• Em hiểu thế có chính xác không
• Áp dụng với các mô hình khác ChatGPT thì như thế nào (ví dụ với Claude, Grok, Gemini, v.v.)
• Một số use case cụ thể hơn (ví dụ với người code thì nên setup ra sao; với người làm marketing thì có gì khác; so di bác nếu câu hỏi này hơi rộng quá phạm vi ban đầu)

Nhấp để mở rộng...

Cảm ơn bác đã đặt câu hỏi, đây đúng là những đóng góp mà em cần. Em trả lời bác như sau:
1. thể hiện cụ thể qua cách thay đổi cách prompting/nhập dữ liệu vào cho LLM:

• Không phải bác à. Bản chất cái em đang muốn chia sẻ là tập luyện những kỹ năng mà thuộc về điểm yếu của AI. Trong mô hình cộng sinh mình sẽ bổ sung điểm yếu đấy cho nó. Em ví dụ cái Expressive Prompt: Prompt bình thường thì tiêu chuẩn sẽ là viết câu đơn nghĩa, rõ ràng. Expressive Prompt thì lại hướng đến viết câu ẩn dụ đa nghĩa để có thể khuếch đại luồng tư duy, phù hợp khi phải nghiên cứu vấn đề khó. Giống kiểu nễu mỗi câu có 2 nghĩa thì qua 3 lần trao đổi sẽ nhân lên thành 8. Để có được khả năng Expressive Prompt thì bản thân người sử dụng phải có khả năng sử dụng từ vựng linh hoạt, hoặc cao hơn là không bị lệ thuộc vào từ vựng. Ví dụ như khi nói với AI về vấn đề lập trình viên hiện nay bị đào thải bởi AI. Em có thể nói câu:
• Như người bán hàng ở chợ, ngồi cả ngày mà chẳng có ai mua. Nghĩa ẩn dụ của câu này là sự mâu thuẫn giữa cách thức làm việc cũ - bán hàng ở chợ với xu thế của thời đại, mua hàng trên shopee. Câu này nếu theo chuẩn Prompt, thì mọi người sẽ không dùng, vì nó là câu mang nghĩa ẩn dụ. Nhưng về mặt bản chất, nếu trong luồng hội thoại hiện tại, em đã có sự trao đổi với AI về các vấn đề của lập trình viên bị đào thải bởi ChatGPT thì khi em viết câu này, AI có thể sẽ hiểu khác nghĩa đen của từ ngữ. Kỹ năng Expressive Prompt cho phép em hình dung được bối cảnh nội dung của hội thoại. Dựa vào bối cảnh, AI có thể hiểu được nghĩa bóng của câu này.

Expressive Prompt không chỉ là cách chúng ta nhập chữ vào Prompt, mà đằng sau nó là sự thay đổi về mặt tư duy. Ví dụ như hiểu bản chất vấn đề, liên tưởng, phá bỏ vẻ bên ngoài của từ ngữ.
Em giải thích hơi trừu tượng, nhưng đây chính là bản chất cốt lõi nhất.

2. Áp dụng với các mô hình khác ChatGPT thì như thế nào

• Không khác nhiều lắm đâu bác à, thậm chí không khác kể cả làm việc với các thế hệ AI tương lai, ví dụ thay vì sử dụng LLM, họ dùng mạng neuron. Tại sao lại không khác?
• Ví dụ với Expressive Prompt. Bản chất của kỹ năng này là hiểu bản chất của ngữ nghĩa, liên tưởng, phá bỏ vẻ bên ngoài của từ ngữ. Từ đây, chúng ta có thể diễn đạt mà không phụ thuộc vào từ ngữ nữ. Tạo ra khả năng truyền đạt nội dung tốt nhất cho phía bên kia. Ví dụ như cái câu người bán hàng em ví dụ, có thể truyền nghĩa bóng cho AI thông qua 1 câu không liên quan.
• Nếu phải giao tiếp với đầu bên kia là loại AI khác thì sao? Kỹ năng biểu đạt thông tin bao hàm cả việc đặt mình vào đầu nhận, hình dung ra nếu mình nói như thế thì họ sẽ hiểu thế nào. Mô hình AI thay đổi thì có thể cách hiểu thay đổi. Vẫn nằm trong phạm vi của kỹ năng biểu đạt nội dung.

3. Một số use case cụ thể hơn (ví dụ với người code thì nên setup ra sao; với người làm marketing thì có gì khác; so di bác nếu câu hỏi này hơi rộng quá phạm vi ban đầu)

• 4 loại tư duy em liệt kê là các tư duy thuộc tầng Meta, tức là không phụ thuộc vào lĩnh vực. Ví dụ như cái System thinking. Bản chất của system thinking là nhìn mọi vật thông qua bản chất cốt lõi, nhìn ra được mối liên hệ nhân quả giữa các thành phần. Ví dụ như người mới vào công ty, được 1 bạn trong team làm mentor hướng dẫn, nhưng hỏi gì bạn ý cũng cáu bẳn. Người bình thường sẽ cho rằng 1 là tính cách, 2 là bạn ý bận, 3 là do mình. Nhưng System thinking sẽ nhìn vấn đề rộng hơn, ví dụ như nếu do tính cách, thì tại sao leader đã biết tính bạn ý như vậy rồi mà vẫn giao cho bạn ý mentor, vậy là do leader biết hay không biết. Rồi tại sao giữa 2 người trục trặc như vậy mà leader ko phát hiện ra, phải chăng do quy trình báo cáo công việc hàng ngày chưa chuẩn...
• Ví dụ trong Marketing, khi cần làm chiến dịch quảng cáo cho 1 nhãn hàng. System thinking sẽ phân tích ưu nhược điểm của nhãn hàng, bối cảnh đối thủ, đặc thù khách hàng, xu hướng... kết nối chúng theo mối quan hệ nhân quả, tìm ra giải pháp. Áp dụng tư duy này khi dùng ChatGPT, system thinking sẽ hỏi và yêu cầu ChatGPT tìm kiếm, tổng hợp thông tin cho mình. Thậm chí yêu cầu ChatGPT phân tích thông tin dựa theo dòng nhân quả ở trên. Từ đó mới đưa ra giải pháp.

Do bác là người có chuyên môn nên em trả lời vào thẳng bản chất nhất, nên nó hơi trừu tượng. Nếu bác muốn trả lời dạng đơn giản kiểu nhìn thấy ngay trong thực tế thì cứ bảo em

Học viên đầu tiên (độ khó 2)

Bạn này khá là đặc biệt, nên em muốn kể cho các thím nghe.
Trước em chơi cái game RoK trên điện thoại, nó dạng game nông trại. Em có quen vài người trong game nên có kết bạn Facebook. Cách đây 6 tháng thì em nghỉ hẳn. Đợt vừa rồi, sau khi em đăng seri về AI cộng sinh trên nhóm Linux của Facebook, thì tự nhiên bạn ý nhắn tin cho em, hỏi em về cách học và tập luyện theo như thế nào.
Ngồi nói chuyện thì em thấy khá ngạc nhiên, vì bạn ý trước học cao đẳng, giờ đang làm phụ sửa chữa ô tô. Nhưng hầu hết các bài em đăng trên nhóm Linux bạn ý đều đọc. Chuỗi bài về AI bạn ý vẫn cảm nhận được mục đích truyền đạt của em.
Hiện tại thì cuộc sống bạn ý chưa vợ, đang mông lung vì công việc không phát triển được. Bạn ý muốn thay đổi nhưng không biết phải làm thế nào. Tiện việc bạn ý hỏi về cách học AI vì thông qua bài viết của em, bạn ý hiểu được rằng học AI cộng sinh có thể giúp phát triển về tư duy.
Em bảo bạn ý là mỗi tối em kèm bạn ý khoảng 30 phút. Tại vì bản thân em cũng muốn có người chuột bạch thử theo các phương pháp thực hành của em.
Trước đây là em chỉ tìm hiểu về lý thuyết, cách thực hành tập luyện thì em tự ngộ ra thôi, nên em không rõ nếu là người khác tập theo thì mức độ hiệu quả thế nào. Em cũng muốn thử nghiệm trước khi viết thành bài giảng, tránh phải sửa nhiều.

Lộ trình training

Đọc seri của em chắc các thím cảm thấy nó khó hiểu vậy thì em dạy cho người khác kiểu gì. Thì đây là những gì em đang lên kế hoạch cho bạn ý.
1. Không dạy lý thuyết, cho bạn ý thực hành tập luyện tư duy luôn. Bao giờ tư duy đủ chín thì quay lại dạy lý thuyết.
2. Giai đoạn đầu tập luyện kiểu gì? Khoảng 1 tháng đầu, em sẽ yêu cầu buổi tối bạn ý phải nói chuyện với ChatGPT về 2 chủ đề. Một là chủ đề về bản thân, 2 là về công việc. Cụ thể như sau:
3. Chủ đề về bản thân: Bạn ý phải nói chuyện với ChatGPT để hiểu về bản thân mình. Ví dụ như tại sao tôi lại thấy bế tắc trong cuộc sống hiện tại, tại sao tôi không biết cách thay đổi... Chủ đề đầu tiên mà em bắt bạn ý phải làm đó là tại sao tôi lại muốn học AI.

Nói kỹ hơn về chủ đề tại sao tôi phải học AI

Thông qua việc trò chuyện với ChatGPT để trả lời câu hỏi này, em muốn bạn ý được phát triển về tư duy System thinking. Cụ thể chủ đề này cần phải mở rộng đến những câu hỏi sau:
1. AI là gì, nó giải quyết vấn đề gì
2. Xu hướng của AI trong tương lai
3. Sự thay đổi của xã hội, nghề nghiệp do ảnh hưởng bởi AI.
4. Làm cách nào để con người có thể hợp tác lâu dài với AI
......
Có thể các thím cho rằng các chủ đề trên nó cao siêu và khó hiểu đối với level của bạn ý. Nhưng thực ra, bản chất thằng ChatGPT nó không bao giờ bỏ cuộc trong việc trả lời, và nó có khả năng tự điều chỉnh ngôn ngữ trả lời để phù hợp với người dùng. Vậy nên, chỉ cần bạn ý không bỏ cuộc, kiểu gì bạn ý cũng có thể hiểu được hết các vấn đề kể trên.
Sau mỗi ngày, bạn ý sẽ gửi em log chat về chủ đề trên, em sẽ tư vấn, chỉ ra cho các bạn ý những điểm cần phải hỏi sâu thêm nữa, hướng bạn ý đến việc tự đặt câu hỏi và trả lời được những vấn đề trên.
Phương pháp tập luyện như vậy giúp rèn luyện khả năng tập trung đầu óc, nhìn ra được mối quan hệ của 1 thực thể với nhiều thực thể khác. Đây chính là cốt lõi của System thinking.

Phần rèn luyện thứ 2, nói chuyện với AI về công việc hàng ngày

Hàng ngày bạn ý dành phần lớn thời gian để xử lý công việc. Nếu có thể kích hoạt tư duy thắc mắc, tự đặt câu hỏi trong những công việc mình làm. Thì công việc hàng ngày tự nó sẽ trở thành môi trường cho bạn ý phát triển tư duy. Em sẽ yêu cầu mỗi ngày bạn ý chọn lấy 1 tình huống trong công việc. Ví dụ như các lỗi hỏng ô tô mà bạn ý gặp, tình huống nói chuyện với khách... Dùng nó làm nguyên liệu mở đầu để trò chuyện, mổ xẻ và mở rộng vấn đề với ChatGPT. Em sẽ đọc lại log chat và gợi ý bạn ý cách đi sâu hoặc mở rộng vấn đề.

Dự đoán của em

Theo em dự đoán, kể cả không học lý thuyết trong giai đoạn đầu. Nhưng nếu bạn ý thực sự chăm chỉ không bỏ cuộc. Thì sau khoảng 1 tháng, bạn ý có thể cảm nhận được sự thay đổi của mình về mặt tư duy. Ví dụ như có thói quen thắc mắc, đặt câu hỏi tại sao. Thói quen tìm hiểu vấn đề một cách rộng hơn đề nhìn ra mối liên kết với những thực thể xung quanh.
Sau khoảng 3, 4 tháng, có thể những người bên ngoài cũng sẽ cảm nhận được sự thay đổi của bạn ý. Ví dụ làm việc cẩn thận hơn, chịu khó đặt câu hỏi và tập trung lắng nghe ý kiến từ người khác.....

Dự định của em thì như vậy, nhưng còn phụ thuộc nhiều vào sự nỗ lực của bạn ý. Về cơ bản đây là 1 quá trình gian nan. Thực ra chỉ cần bạn ý không bỏ cuộc, nếu cách dạy ban đầu của em chưa hiệu quả, em có thể tiếp tục điều chỉnh.

PhuThoDien đã nói:

Học viên đầu tiên

Bạn này khá là đặc biệt, nên em muốn kể cho các thím nghe.
Trước em chơi cái game RoK trên điện thoại, nó dạng game nông trại. Em có quen vài người trong game nên có kết bạn Facebook. Cách đây 6 tháng thì em nghỉ hẳn. Đợt vừa rồi, sau khi em đăng seri về AI cộng sinh trên nhóm Linux của Facebook, thì tự nhiên bạn ý nhắn tin cho em, hỏi em về cách học và tập luyện theo như thế nào.
Ngồi nói chuyện thì em thấy khá ngạc nhiên, vì bạn ý trước học cao đẳng, giờ đang làm phụ sửa chữa ô tô. Nhưng hầu hết các bài em đăng trên nhóm Linux bạn ý đều đọc. Chuỗi bài về AI bạn ý vẫn cảm nhận được mục đích truyền đạt của em.
Hiện tại thì cuộc sống bạn ý chưa vợ, đang mông lung vì công việc không phát triển được. Bạn ý muốn thay đổi nhưng không biết phải làm thế nào. Tiện việc bạn ý hỏi về cách học AI vì thông qua bài viết của em, bạn ý hiểu được rằng học AI cộng sinh có thể giúp phát triển về tư duy.
Em bảo bạn ý là mỗi tối em kèm bạn ý khoảng 30 phút. Tại vì bản thân em cũng muốn có người chuột bạch thử theo các phương pháp thực hành của em.
Trước đây là em chỉ tìm hiểu về lý thuyết, cách thực hành tập luyện thì em tự ngộ ra thôi, nên em không rõ nếu là người khác tập theo thì mức độ hiệu quả thế nào. Em cũng muốn thử nghiệm trước khi viết thành bài giảng, tránh phải sửa nhiều.

Lộ trình training

Đọc seri của em chắc các thím cảm thấy nó khó hiểu vậy thì em dạy cho người khác kiểu gì. Thì đây là những gì em đang lên kế hoạch cho bạn ý.
1. Không dạy lý thuyết, cho bạn ý thực hành tập luyện tư duy luôn. Bao giờ tư duy đủ chín thì quay lại dạy lý thuyết.
2. Giai đoạn đầu tập luyện kiểu gì? Khoảng 1 tháng đầu, em sẽ yêu cầu buổi tối bạn ý phải nói chuyện với ChatGPT về 2 chủ đề. Một là chủ đề về bản thân, 2 là về công việc. Cụ thể như sau:
3. Chủ đề về bản thân: Bạn ý phải nói chuyện với ChatGPT để hiểu về bản thân mình. Ví dụ như tại sao tôi lại thấy bế tắc trong cuộc sống hiện tại, tại sao tôi không biết cách thay đổi... Chủ đề đầu tiên mà em bắt bạn ý phải làm đó là tại sao tôi lại muốn học AI.

Nói kỹ hơn về chủ đề tại sao tôi phải học AI

Thông qua việc trò chuyện với ChatGPT để trả lời câu hỏi này, em muốn bạn ý được phát triển về tư duy System thinking. Cụ thể chủ đề này cần phải mở rộng đến những câu hỏi sau:
1. AI là gì, nó giải quyết vấn đề gì
2. Xu hướng của AI trong tương lai
3. Sự thay đổi của xã hội, nghề nghiệp do ảnh hưởng bởi AI.
4. Làm cách nào để con người có thể hợp tác lâu dài với AI
......
Có thể các thím cho rằng các chủ đề trên nó cao siêu và khó hiểu đối với level của bạn ý. Nhưng thực ra, bản chất thằng ChatGPT nó không bao giờ bỏ cuộc trong việc trả lời, và nó có khả năng tự điều chỉnh ngôn ngữ trả lời để phù hợp với người dùng. Vậy nên, chỉ cần bạn ý không bỏ cuộc, kiểu gì bạn ý cũng có thể hiểu được hết các vấn đề kể trên.
Sau mỗi ngày, bạn ý sẽ gửi em log chat về chủ đề trên, em sẽ tư vấn, chỉ ra cho các bạn ý những điểm cần phải hỏi sâu thêm nữa, hướng bạn ý đến việc tự đặt câu hỏi và trả lời được những vấn đề trên.
Phương pháp tập luyện như vậy giúp rèn luyện khả năng tập trung đầu óc, nhìn ra được mối quan hệ của 1 thực thể với nhiều thực thể khác. Đây chính là cốt lõi của System thinking.

Phần rèn luyện thứ 2, nói chuyện với AI về công việc hàng ngày

Hàng ngày bạn ý dành phần lớn thời gian để xử lý công việc. Nếu có thể kích hoạt tư duy thắc mắc, tự đặt câu hỏi trong những công việc mình làm. Thì công việc hàng ngày tự nó sẽ trở thành môi trường cho bạn ý phát triển tư duy. Em sẽ yêu cầu mỗi ngày bạn ý chọn lấy 1 tình huống trong công việc. Ví dụ như các lỗi hỏng ô tô mà bạn ý gặp, tình huống nói chuyện với khách... Dùng nó làm nguyên liệu mở đầu để trò chuyện, mổ xẻ và mở rộng vấn đề với ChatGPT. Em sẽ đọc lại log chat và gợi ý bạn ý cách đi sâu hoặc mở rộng vấn đề.

Dự đoán của em

Theo em dự đoán, kể cả không học lý thuyết trong giai đoạn đầu. Nhưng nếu bạn ý thực sự chăm chỉ không bỏ cuộc. Thì sau khoảng 1 tháng, bạn ý có thể cảm nhận được sự thay đổi của mình về mặt tư duy. Ví dụ như có thói quen thắc mắc, đặt câu hỏi tại sao. Thói quen tìm hiểu vấn đề một cách rộng hơn đề nhìn ra mối liên kết với những thực thể xung quanh.
Sau khoảng 3, 4 tháng, có thể những người bên ngoài cũng sẽ cảm nhận được sự thay đổi của bạn ý. Ví dụ làm việc cẩn thận hơn, chịu khó đặt câu hỏi và tập trung lắng nghe ý kiến từ người khác.....

Dự định của em thì như vậy, nhưng còn phụ thuộc nhiều vào sự nỗ lực của bạn ý. Về cơ bản đây là 1 quá trình gian nan. Thực ra chỉ cần bạn ý không bỏ cuộc, nếu cách dạy ban đầu của em chưa hiệu quả, em có thể tiếp tục điều chỉnh.

Nhấp để mở rộng...

cho mình hỏi là bác sử dụng GPT chỉ sử dụng 1 khung chat cho toàn bộ các vấn đề của bác hay luôn mở new chat nếu đó là 1 chủ đề khác nhau ?

PhuThoDien đã nói:

Phần rèn luyện thứ 2, nói chuyện với AI về công việc hàng ngày

Hàng ngày bạn ý dành phần lớn thời gian để xử lý công việc. Nếu có thể kích hoạt tư duy thắc mắc, tự đặt câu hỏi trong những công việc mình làm. Thì công việc hàng ngày tự nó sẽ trở thành môi trường cho bạn ý phát triển tư duy. Em sẽ yêu cầu mỗi ngày bạn ý chọn lấy 1 tình huống trong công việc. Ví dụ như các lỗi hỏng ô tô mà bạn ý gặp, tình huống nói chuyện với khách... Dùng nó làm nguyên liệu mở đầu để trò chuyện, mổ xẻ và mở rộng vấn đề với ChatGPT. Em sẽ đọc lại log chat và gợi ý bạn ý cách đi sâu hoặc mở rộng vấn đề.

Nhấp để mở rộng...

cách này thì mình thấy ok đó bác. Trước đây thì việc trao đổi, thảo luận các vấn đề như này mỗi ngày thường ít, phải có mentor tận tâm nhưng không phải lúc nào họ cũng rảnh. Giờ có AI thì những vấn đề cơ bản nó có giải đáp và đưa ra các ý tưởng, phân tích,... Tất nhiên không thể thay thế được kinh nghiệm, góc nhìn của một mentor giỏi nhưng có thể dùng AI ở bất cứ đâu và bất cứ lúc nào

anhsuperstar đã nói:

cho mình hỏi là bác sử dụng GPT chỉ sử dụng 1 khung chat cho toàn bộ các vấn đề của bác hay luôn mở new chat nếu đó là 1 chủ đề khác nhau ?

Nhấp để mở rộng...

Em chỉ dùng chung khung chat nếu các vấn đề đấy có sự liên quan thôi bác

Monosuke đã nói:

cách này thì mình thấy ok đó bác. Trước đây thì việc trao đổi, thảo luận các vấn đề như này mỗi ngày thường ít, phải có mentor tận tâm nhưng không phải lúc nào họ cũng rảnh. Giờ có AI thì những vấn đề cơ bản nó có giải đáp và đưa ra các ý tưởng, phân tích,... Tất nhiên không thể thay thế được kinh nghiệm, góc nhìn của một mentor giỏi nhưng có thể dùng AI ở bất cứ đâu và bất cứ lúc nào

Nhấp để mở rộng...

Bác thấy cái system thinking đọc ở bài em viết thì trừu tượng khó hiểu, triển khai ra cách tập luyện thì cũng ko có gì cao siêu nhỉ

Bác nào quan tâm đến quá trình rèn luyện của bạn học viên đấy thì cứ lót dép ở đây nhé. Em sẽ cập nhật hàng ngày. Kể cả trường hợp bạn ý bỏ cuộc thì em cũng sẽ post bài rút kinh nghiệm và quay lại tìm người khác sẽ tiếp tục thử nghiệm.

+1 hữu ích lót dép hóng để update bản thân không bị layout thời điểm này

cu li xứ cờ hoa đã nói:

+1 hữu ích lót dép hóng để update bản thân không bị layout thời điểm này

Nhấp để mở rộng...

Bác là tầng lớp tinh hoa ở Bển thì sợ j, cùng lắm là về vn

PhuThoDien đã nói:

Bác là tầng lớp tinh hoa ở Bển thì sợ j, cùng lắm là về vn

Nhấp để mở rộng...

cũng qua chủ yếu làm cu li dev thôi fen, toàn công nghệ cũ không update thêm được gì về vn chắc móm luôn

PhuThoDien đã nói:

Cảm ơn bác đã đặt câu hỏi, đây đúng là những đóng góp mà em cần. Em trả lời bác như sau:
1. thể hiện cụ thể qua cách thay đổi cách prompting/nhập dữ liệu vào cho LLM:

• Không phải bác à. Bản chất cái em đang muốn chia sẻ là tập luyện những kỹ năng mà thuộc về điểm yếu của AI...

Expressive Prompt không chỉ là cách chúng ta nhập chữ vào Prompt, mà đằng sau nó là sự thay đổi về mặt tư duy. Ví dụ như hiểu bản chất vấn đề, liên tưởng, phá bỏ vẻ bên ngoài của từ ngữ.
Em giải thích hơi trừu tượng, nhưng đây chính là bản chất cốt lõi nhất.

2. Áp dụng với các mô hình khác ChatGPT thì như thế nào

• Không khác nhiều lắm đâu bác à, thậm chí không khác kể cả làm việc với các thế hệ AI tương lai, ví dụ thay vì sử dụng LLM, họ dùng mạng neuron. Tại sao lại không khác?
• Ví dụ với Expressive Prompt. Bản chất của kỹ năng này là hiểu bản chất của ngữ nghĩa, liên tưởng, phá bỏ vẻ bên ngoài của từ ngữ. Từ đây, chúng ta có thể diễn đạt mà không phụ thuộc vào từ ngữ nữ. Tạo ra khả năng truyền đạt nội dung tốt nhất cho phía bên kia...

3. Một số use case cụ thể hơn (ví dụ với người code thì nên setup ra sao; với người làm marketing thì có gì khác; so di bác nếu câu hỏi này hơi rộng quá phạm vi ban đầu)

• 4 loại tư duy em liệt kê là các tư duy thuộc tầng Meta, tức là không phụ thuộc vào lĩnh vực. Ví dụ như cái System thinking. Bản chất của system thinking là nhìn mọi vật thông qua bản chất cốt lõi, nhìn ra được mối liên hệ nhân quả giữa các thành phần...
• Ví dụ trong Marketing, khi cần làm chiến dịch quảng cáo cho 1 nhãn hàng. System thinking sẽ phân tích ưu nhược điểm của nhãn hàng, bối cảnh đối thủ, đặc thù khách hàng, xu hướng... kết nối chúng theo mối quan hệ nhân quả, tìm ra giải pháp. Áp dụng tư duy này khi dùng ChatGPT, system thinking sẽ hỏi và yêu cầu ChatGPT tìm kiếm, tổng hợp thông tin cho mình. Thậm chí yêu cầu ChatGPT phân tích thông tin dựa theo dòng nhân quả ở trên. Từ đó mới đưa ra giải pháp.

Do bác là người có chuyên môn nên em trả lời vào thẳng bản chất nhất, nên nó hơi trừu tượng. Nếu bác muốn trả lời dạng đơn giản kiểu nhìn thấy ngay trong thực tế thì cứ bảo em

Nhấp để mở rộng...

Cám ơn bác đã giải ảo ! Món dạy tư duy này rất hay! Em nghĩ nó không hẵn chỉ áp dụng được cho AI, nhưng sẽ giúp mình có suy nghĩ rõ ràng và sáng suốt hơn trong các việc khác. Nếu được, bác cho em xin một ít nguồn sách bác đã dùng nhé ạ:

1. Systems thinking:

Nổi nhất trong mảng này là quyển "Thinking in Systems - Donella H. Meadows", nhưng em đọc không vào đầu lắm. Cá nhân em vỡ lẽ hơn khi đọc quyển "Systems Thinking Made Simple - Derek Cabrera & Laura Cabrera", tác giả dạy mình cách vẽ sơ đồ hệ thống có thể áp dụng cho bất cứ vấn đề gì.

2. Kỹ năng biểu đạt nội dung/expressive prompt:

Thú thực thì em thấy ý này khá liên quan đến... giao tiếp + viết sao cho rõ ràng sáng ý. Sách liên quan thì em thấy quyển "The Minto Pyramid Principle - Babara Minto" hay: mình nên có 1 ý chính, xong các ý phụ hỗ trợ liên quan; viết các câu trong đoạn nên có sự liên kết trươc sau; viết sắp xếp ý theo thời gian hoặc theo độ quan trọng v.v.

3. Mindset rebuilding & entity realignment:

Em cảm giác cái này liên quan đến tâm lý học v.v. mà em không đọc/nhớ/hiểu đủ để nói nên đợi bác khai sáng.

4. Mind observer:

Tương tự như trên, là kỹ năng tâm lý mình tự đóng vai trò người thứ 3 quan sát tương tác giữa bản thân và một người khác (trong trường hợp này là AI).

---

P/s: hơi buồn cười mà em nghĩ mình nên có kỹ năng số 0 là tiếng Anh, vì bản chất dữ liệu hiện tại tiếng Anh chiếm nhiều, nên logic là mình đặt câu hỏi bằng tiếng Anh thì sẽ máy sẽ ra kết quả tốt nhất, so với các ngôn ngữ khác như tiếng Việt :lmao:

cuối cùng là sao bác, cũng là chat với LLM thôi đúng không

Mình thì dùng Gemini với Claude là nhiều vì Chatgpt plus bị con bồ xài rồi.

Hiện tại mình dùng LLM để vide code, cụ thể là cái extension dưới chữ ký. Sau một thời gian thì mình thấy chủ yếu là ngữ cảnh và chất lượng dữ liệu model như thế nào thôi.

Ví dụ muốn làm gì thì phải xem model đó có dữ liệu về cái món đó không, sau đó nhắc cho nó nhớ, hướng dẫn logic và cung cấp thêm ngữ cảnh cho nó. Mình thấy việc chỉ xoay quanh bao nhiêu đó, các phương pháp làm việc với LLM mình biết cũng xoay quanh việc đó (Prompting - >RAG ->Fine tuning). Với tìm hiểu cách hoạt động của LLM, mục đích là tránh kiêu nó làm những thứ mà LLM hiện tại làm tệ hại. Ví dụ như hiện tại nó dựa theo mô hình transformer, điểm yếu của nó thì mấy bác cứ kiêu nó trích xuất 1 chuỗi base64 trong đoạn văn bản lộn xộn là thấy nó tự nhiên ngu độn liền.

odkjabqpmzvmz đã nói:

Cám ơn bác đã giải ảo ! Món dạy tư duy này rất hay! Em nghĩ nó không hẵn chỉ áp dụng được cho AI, nhưng sẽ giúp mình có suy nghĩ rõ ràng và sáng suốt hơn trong các việc khác. Nếu được, bác cho em xin một ít nguồn sách bác đã dùng nhé ạ:

1. Systems thinking:

Nổi nhất trong mảng này là quyển "Thinking in Systems - Donella H. Meadows", nhưng em đọc không vào đầu lắm. Cá nhân em vỡ lẽ hơn khi đọc quyển "Systems Thinking Made Simple - Derek Cabrera & Laura Cabrera", tác giả dạy mình cách vẽ sơ đồ hệ thống có thể áp dụng cho bất cứ vấn đề gì.

2. Kỹ năng biểu đạt nội dung/expressive prompt:

Thú thực thì em thấy ý này khá liên quan đến... giao tiếp + viết sao cho rõ ràng sáng ý. Sách liên quan thì em thấy quyển "The Minto Pyramid Principle - Babara Minto" hay: mình nên có 1 ý chính, xong các ý phụ hỗ trợ liên quan; viết các câu trong đoạn nên có sự liên kết trươc sau; viết sắp xếp ý theo thời gian hoặc theo độ quan trọng v.v.

3. Mindset rebuilding & entity realignment:

Em cảm giác cái này liên quan đến tâm lý học v.v. mà em không đọc/nhớ/hiểu đủ để nói nên đợi bác khai sáng.

4. Mind observer:

Tương tự như trên, là kỹ năng tâm lý mình tự đóng vai trò người thứ 3 quan sát tương tác giữa bản thân và một người khác (trong trường hợp này là AI).

---

P/s: hơi buồn cười mà em nghĩ mình nên có kỹ năng số 0 là tiếng Anh, vì bản chất dữ liệu hiện tại tiếng Anh chiếm nhiều, nên logic là mình đặt câu hỏi bằng tiếng Anh thì sẽ máy sẽ ra kết quả tốt nhất, so với các ngôn ngữ khác như tiếng Việt :lmao:

Nhấp để mở rộng...

Hello bác,
Bác có thể đọc thêm về post này, kiểu như ví em nói về cách thực hành tập luyện cho 1 bạn học viên. Cũng đơn giản thôi, mặc dù đọc lý thuyết thì đúng lằng nhằng: kiến thức - Kết nối sâu - cộng sinh cùng AI (https://voz.vn/t/ket-noi-sau-cong-sinh-cung-ai.1109381/post-37331362)

Về phương pháp tập:
Em dành chủ yếu thời gian để đọc lý thuyết về tư duy AI, con người, cách hết hợp tư duy thôi. Phần tập luyện em chủ yếu hỏi ChatGPT, thấy phù hợp thì em tập theo. Em làm dev kernel nên có sẵn System thinking. Nhưng cái này bác có thể đọc cái link em vừa gửi, cách em đang định cho học viên tập cũng đơn giản, không cao siêu như sách.

2. Kỹ năng biểu đạt nội dung:
Mức độ cao nhất của kỹ năng này là mình có thể truyền đạt nội dung mà không phụ thuộc từ ngữ, và bản thân mình cảm nhận được sự hiểu của đầu bên kia thông qua việc đặt mình vào họ. Tập thì kiểu này thôi bác. Bảo ChatGPT hãy nhắc lại cái nó hiểu sau khi mình Prompt cho nó. Từ phía bác thì bác Prompt các nội dung thật dài và phức tạp. So sánh việc nó phản hồi để cảm nhận được độ lệch về sự hiểu của ChatGPT với mình. Dần dần phức tạp hơn thì tập dùng câu nghĩa bóng với nó, tìm cách để mình viết nghĩa bóng mà nó hiểu được nghĩa bóng chứ không phải nghĩa đen.
Ở ngoài đời, mỗi khi bác giảng giải cái gì cho ai đó. Cố gắng đặt mình vào vị trí người nghe, để cảm nhận họ hiểu gì về cái mình nói... Nói chung tập từng bước, nó là cả 1 quá trình dài, nhưng tiến bộ ở chút nào là có hiệu quả ở mức đấy luôn rồi, chứ ko cần phải đợi đến khi max skill

3. Mindset rebuilding and Identity Alignment:
Mindset rebuilding nói dân dã thì là khả năng mình quan sát để nhìn thấy những cái mình đã bị lạc hậu và tìm cách điều chỉnh thôi. Ví dụ như bản thân em đi, em làm nghề thầy giáo. Trước giờ là em có bài giảng, tài liệu đọc thêm. Dạy học trò theo bài giảng, yêu cầu về nhà họ đọc thêm tài liệu, làm bài tập, mắc đâu thì hỏi em. Cách làm trước nay vẫn vậy. Nhưng em thấy bây giờ cách làm này có vẻ lạc hậu, tại vì có thằng ChatGPT, nó có khả năng trả lời học sinh thay mình được, nếu học sinh mà hỏi nó thì họ sẽ thoải mái hơn là hỏi em. Vậy nên em tạo luôn dữ liệu bài giảng của em, training cho ChatGPT, với em đưa ra cho nó 1 số tiêu chí khi trả lời. Training luôn cả mấy cái lỗi vặt thường gặp trong khóa học. Sau em gửi cái thằng ChatGPT đấy cho học sinh, các bạn ý tự hỏi luôn, nó trả lời vẫn chuẩn theo style của em, mà lại khỏe. Đây chính là Mindset rebuilding, em nhận ra cách làm cũ đã bị lạc hậu, cần phải thay đổi.

4. Cái Mind observer:
Key point của nó là phải bỏ được cái tôi của bản thân đi. Lúc đấy thì khi thím dừng lại 1 nhịp, đánh giá từ đầu nó mới khách quan được. Đây là 1 mẹo áp dụng của Mind observer: kiến thức - Kết nối sâu - cộng sinh cùng AI (https://voz.vn/t/ket-noi-sau-cong-sinh-cung-ai.1109381/page-5#post-37312156)
Tập luyện như thế nào: Trò chuyện với ChatGPT hàng ngày để mổ xẻ về khuyết điểm của bản thân, tìm ra vấn đề gốc rễ, không tránh né. Ví dụ như em làm lâu rồi mà lương 20tr, thằng mới vào lương 30tr, vậy nguyên nhân ở đâu.

ToBe_or_NotToBe đã nói:

cuối cùng là sao bác, cũng là chat với LLM thôi đúng không

Nhấp để mở rộng...

Đúng rồi, đây là hướng dẫn chat với LLM sao cho hiệu quả. Fen thợ điện viết dài quá, fen có viết ngắn lại hơn được ko?

ToBe_or_NotToBe đã nói:

cuối cùng là sao bác, cũng là chat với LLM thôi đúng không

Mình thì dùng Gemini với Claude là nhiều vì Chatgpt plus bị con bồ xài rồi.

Hiện tại mình dùng LLM để vide code, cụ thể là cái extension dưới chữ ký. Sau một thời gian thì mình thấy chủ yếu là ngữ cảnh và chất lượng dữ liệu model như thế nào thôi.

Ví dụ muốn làm gì thì phải xem model đó có dữ liệu về cái món đó không, sau đó nhắc cho nó nhớ, hướng dẫn logic và cung cấp thêm ngữ cảnh cho nó. Mình thấy việc chỉ xoay quanh bao nhiêu đó, các phương pháp làm việc với LLM mình biết cũng xoay quanh việc đó (Prompting - >RAG ->Fine tuning). Với tìm hiểu cách hoạt động của LLM, mục đích là tránh kiêu nó làm những thứ mà LLM hiện tại làm tệ hại. Ví dụ như hiện tại nó dựa theo mô hình transformer, điểm yếu của nó thì mấy bác cứ kiêu nó trích xuất 1 chuỗi base64 trong đoạn văn bản lộn xộn là thấy nó tự nhiên ngu độn liền.

Nhấp để mở rộng...

Hello bác, cái em nói không liên quan gì đến LLM. Giờ theo cách bác mô tả về quá trình làm việc hiện tại, em sẽ đưa ra cho bác 1 câu hỏi mở như sau:
Mình thấy việc chỉ xoay quanh bao nhiêu đó, các phương pháp làm việc với LLM mình biết cũng xoay quanh việc đó (Prompting - >RAG ->Fine tuning)
Em giả sử sau này, bọn AI thế hệ sau nó khôn hơn, nó ko phần bác phải Fine tune gì nhiều nó vẫn làm video ngon. Hoặc bác Finetune tốt nhưng so với thằng khác nó chỉ Prompt sơ sơ, chất lượng của bác cũng ko hơn được nó nhiều, ko đáng với công sức và trình độ của bác. Vậy lúc đấy bác phải làm thế nào.
Hệ thống bài viết của em chính là chìa khóa để trả lời cho trường hợp đó. Tất nhiên là nó còn trả lời nhiều trường hợp khác nữa.

PhuThoDien đã nói:

Hello bác, cái em nói không liên quan gì đến LLM. Giờ theo cách bác mô tả về quá trình làm việc hiện tại, em sẽ đưa ra cho bác 1 câu hỏi mở như sau:
Mình thấy việc chỉ xoay quanh bao nhiêu đó, các phương pháp làm việc với LLM mình biết cũng xoay quanh việc đó (Prompting - >RAG ->Fine tuning)
Em giả sử sau này, bọn AI thế hệ sau nó khôn hơn, nó ko phần bác phải Fine tune gì nhiều nó vẫn làm video ngon. Hoặc bác Finetune tốt nhưng so với thằng khác nó chỉ Prompt sơ sơ, chất lượng của bác cũng ko hơn được nó nhiều, ko đáng với công sức và trình độ của bác. Vậy lúc đấy bác phải làm thế nào.
Hệ thống bài viết của em chính là chìa khóa để trả lời cho trường hợp đó. Tất nhiên là nó còn trả lời nhiều trường hợp khác nữa.

Nhấp để mở rộng...

3 cách mình nói nó sẽ hỗ trợ lẫn nhau mà bác, giả sửu bác đang nói vấn đè chỉ mỗi Fine tune, thực tế đối với LLM thì mức độ ưu tiên sẽ là Prompting dựa theo dữ liệu model đã được train sẵn, sau đó niếu không đạt được như ý muốn sẽ sử dụng RAG hay một phương pháp nào đó để bổ sung ngữ cảnh mà model không có, cuối cùng bất khả dĩ mới phải Fine tune. theo bài viết của bác hiện tại chỉ áp dụng vào việc Prompting thôi.

Hạn chế của prompting là chỉ nhận được câu trả lời có sẵn được train thôi (knowledge cut-off). nhưng với kỹ thuật prompting tốt + thêm bổ sung ngữ cảnh thì có thể sử dụng tốt các model mới hiện tại, không bị phụ thuộc và chatGPT (thằng này nó học theo dữ liệu người dùng để bổ sung ngữ cảnh của model, cứ dùng web và api của nó so sánh sẽ thấy sự khác biệt).

meekoo đã nói:

Đúng rồi, đây là hướng dẫn chat với LLM sao cho hiệu quả. Fen thợ điện viết dài quá, fen có viết ngắn lại hơn được ko?

Nhấp để mở rộng...

mời dùng cái dưới chữ ký nhé bác

ToBe_or_NotToBe đã nói:

mời dùng cái dưới chữ ký nhé bác

Nhấp để mở rộng...

Chà... Mình ko thích những thứ tóm tắt. Mình thích sự nguyên bản. Nếu fen có ý tưởng, và đúc rút gọn gàng hơn anh thợ điện thì viết ra nhé.