Nhà Nghiên Cứu

AI học thế nào, robot hiểu thế giới ra sao, nghiên cứu được làm thế nào và giới hạn nằm ở đâu — kể bằng lời thường, không cần nền kỹ thuật.

Nguồn: nhanghiencuu.com

1. Robot gây lỗi thì trách nhiệm thuộc về ai? — 5:04
2. Kiểm thử đỏ là gì: cố tình phá AI để tìm lỗ hổng — 5:05
3. Nên tin AI tới đâu: thiên kiến tự động hoá là gì? — 5:06
4. Một ngày của người nghiên cứu AI trông thế nào? — 5:07
5. Học gì để làm nghiên cứu AI và robot? — 5:11
6. Thất bại trong nghiên cứu: vì sao phần lớn thí nghiệm hỏng? — 5:03
7. Nghiên cứu AI ở đại học khác ở doanh nghiệp thế nào? — 4:58
8. Một bài báo nghiên cứu AI ra đời thế nào? — 5:12
9. Làm nghiên cứu AI ở Việt Nam: điều kiện và con đường — 5:17
10. Vì sao chatbot lễ phép: học từ phản hồi của con người — 5:22
11. Cửa sổ ngữ cảnh: vì sao chatbot quên đầu câu chuyện? — 5:07
12. Robot biết mình đang ở đâu: định vị và lập bản đồ cùng lúc — 5:21
13. Vì sao cầm một quả trứng lại khó với robot? — 5:23
14. Robot hai chân giữ thăng bằng thế nào? — 5:19
15. Robot nhìn thế giới bằng camera và lidar ra sao? — 5:27
16. Robot học bắt chước từ người làm mẫu như thế nào? — 5:41
17. Vì sao robot trong nhà khó hơn robot trong nhà máy? — 5:20
18. Vì sao robot phải tập trong thế giới ảo trước? — 5:09
19. Khoảng cách giữa mô phỏng và thực tế là gì? — 5:10
20. Ngẫu nhiên hoá mô phỏng: làm thế giới ảo lộn xộn có chủ ý — 5:25
21. Robot lách luật phần thưởng trong mô phỏng như thế nào? — 5:18
22. Xe tự lái tập tình huống hiếm trong mô phỏng ra sao? — 5:08
23. Dữ liệu tổng hợp: dùng dữ liệu máy tạo để dạy máy được không? — 5:15
24. Vì sao phải chia dữ liệu huấn luyện và dữ liệu kiểm tra? — 5:16
25. Đường cơ sở trong thí nghiệm: so với cái gì mới công bằng? — 5:07
26. Rò rỉ dữ liệu: khi đề thi lọt vào sách học của máy — 5:11
27. Thí nghiệm cắt bỏ: tháo từng phần để biết cái gì có tác dụng — 5:11
28. Vì sao phải chạy lại thí nghiệm AI nhiều lần? — 5:10
29. Từ ý tưởng mơ hồ tới giả thuyết kiểm tra được — 5:13
30. Độ chính xác cao chưa chắc là mô hình tốt: vì sao? — 5:02
31. Bảng xếp hạng benchmark: khi con số không còn nói gì — 5:14
32. Xem video demo robot thế nào cho tỉnh? — 5:18
33. Bản thảo chưa bình duyệt và bình duyệt đồng cấp khác gì nhau? — 5:01
34. Đọc tin AI vượt con người: nên hỏi lại những gì? — 5:10
35. Kết quả nghiên cứu đẹp mà không lặp lại được: vì sao? — 5:01
36. Dữ liệu huấn luyện AI từ đâu ra? — 5:14
37. Máy học định kiến từ dữ liệu như thế nào? — 5:17
38. Người gán nhãn dữ liệu: công việc thầm lặng phía sau AI — 5:14
39. Vì sao AI yếu tiếng Việt hơn tiếng Anh? — 5:17
40. Nhận diện khuôn mặt sai lệch vì đâu? — 5:13
41. Dữ liệu đổi theo thời gian, mô hình cũ đi thế nào? — 5:03
42. Nghịch lý Moravec: việc dễ với người lại khó với máy — 5:19
43. AI có hiểu nguyên nhân và kết quả không? — 5:14
44. Ví dụ đối kháng: vì sao vài chấm nhiễu đánh lừa được máy? — 5:09
45. Học cái mới quên cái cũ: quên thảm hoạ ở máy là gì? — 4:59
46. Vì sao AI giải bài khó mà lại tính nhầm phép đơn giản? — 5:06
47. Hộp đen: vì sao khó giải thích quyết định của AI? — 5:32
48. Căn chỉnh AI là gì: làm máy làm đúng điều mình muốn — 5:19
49. Phát hiện deepfake: nghiên cứu làm được tới đâu? — 5:10
50. Mô hình AI có nhớ dữ liệu cá nhân của bạn không? — 5:17
51. Máy học từ ví dụ khác lập trình bằng luật thế nào? — 6:09
52. Mạng nơ-ron nhân tạo giống não người tới đâu? — 6:15
53. Hạ dốc gradient: máy sửa sai từng chút như thế nào? — 5:25
54. Overfitting là gì: vì sao máy học thuộc lòng mà không hiểu? — 5:22
55. Học tăng cường là gì: máy học bằng thưởng phạt thế nào? — 5:35
56. Học có giám sát và tự giám sát khác nhau thế nào? — 5:29
57. Mô hình ngôn ngữ lớn hoạt động thế nào: đoán chữ tiếp theo — 5:36
58. Vì sao chatbot bịa thông tin mà vẫn nói rất tự tin? — 5:27
59. Token là gì, vì sao tiếng Việt tốn token hơn tiếng Anh? — 5:33
60. Mô hình ngôn ngữ có thật sự hiểu nghĩa không? — 5:18