AI có thể viết code, vậy còn cần lập trình viên để làm gì?
AI có thể viết code, nhưng ai quyết định phần mềm phải làm đúng điều gì? Từ chiếc vé cuối cùng đến thuật toán, kiểm thử và thiết kế hệ thống.
Machine learning, deep learning, LLM và cách xây dựng hệ thống AI hoạt động được ngoài thực tế.
17 bài viết
AI có thể viết code, nhưng ai quyết định phần mềm phải làm đúng điều gì? Từ chiếc vé cuối cùng đến thuật toán, kiểm thử và thiết kế hệ thống.
Vì sao lại cần trục tọa độ Oxy? Từ giai thoại con nhện trên trần nhà tới bài toán Pappus, Descartes đã biến hình học thành phép tính ra sao.
Thiết kế vector database mức trung cấp: chọn HNSW hay IVF, lọc quyền truy cập, đồng bộ embedding và đo chất lượng tìm kiếm ngoài độ trễ.
AI có biết suy nghĩ không, hay chỉ là cỗ máy thống kê? Bốn phép thử từ AlphaGo, nước 37 của Lee Sedol tới ChatGPT cho thấy AI hiểu tới đâu và hỏng ở đâu.
Cosine similarity là gì? Từ ly cà phê sữa tới thí nghiệm trên 47 bài blog: vì sao AI so văn bản bằng góc giữa hai mũi tên, và khi nào cách đo này hỏng.
Bài toán vừa gà vừa chó giải thế nào, có từ bao giờ, và vì sao cùng phép toán ấy đang chạy trong máy chụp CT, ChatGPT và cách đoán danh mục quỹ mở.
Đổi ảnh đại diện nhưng vẫn hiện ảnh cũ? Tìm hiểu cache, cách hệ thống giữ bản sao và vì sao chatbot AI cũng phải cân nhắc khi dùng lại câu trả lời.
Phép thử Turing là gì, vì sao năm 2025 AI đã vượt qua nó, và vượt qua rồi thì AI có thực sự tư duy không? Từ ELIZA, căn phòng tiếng Trung đến ChatGPT.
CPU vài lõi mạnh, GPU hàng nghìn lõi nhỏ. Hai kiểu chip khác nhau ở đâu, vì sao card đồ họa chơi game lại thành cỗ máy chạy AI, và khi nào CPU vẫn thắng.
Tìm kiếm bằng hình ảnh hoạt động thế nào: AI biến ảnh thành dãy số, rồi tìm ảnh "gần nhất" trong hàng tỷ ảnh mà không phải so từng ảnh một.
Hệ thống gợi ý hoạt động thế nào: YouTube, TikTok nghe tín hiệu gì, ý tưởng "người giống bạn", bài học từ giải Netflix 1 triệu USD.
Chip 3 nm là gì: "3 nm" chỉ là tên thế hệ, cổng transistor thật cách nhau 48 nm. Vì sao không thu nhỏ mãi được, và chip AI cần gì ở thế hệ mới.
Jev của TypeSafe AI là gì, vì sao không biết chat lại giúp nó nhanh và rẻ hơn LLM hàng chục lần, so với các mô hình lớn ra sao, và cách dùng Jev hiệu quả.
Năm 1801, một thiên thể mới vừa được phát hiện đã lẩn vào ánh sáng Mặt Trời, chỉ để lại vài chục lần quan sát. Một chàng trai 24 tuổi tìm lại nó bằng giấy và bút, với một ý tưởng hôm nay đang chạy trong máy GPS và trong vô số mô hình học máy.
Một mô hình AI có hàng trăm tỷ tham số, không ai chỉnh tay được. Thứ làm việc đó là một ý tưởng từ năm 1847: đứng giữa sương mù, cảm nhận độ dốc dưới chân và bước xuống. Từ đạo hàm, tốc độ học, ví dụ cước taxi đến lan truyền ngược, SGD, Adam và overfitting.
Trong chip AI, phép tính đã rẻ; thứ đắt là chở dữ liệu. Ánh sáng giỏi chở, nhưng lại rất khó dùng để tính. Từ bộ giao thoa Mach–Zehnder đến co-packaged optics và những chip quang học đầu tiên chạy được mạng nơ-ron: điện tử giỏi tính, photon giỏi chở.
Một prompt trông như phần mềm thuần túy, nhưng phía sau nó là chip, nhiệt, hệ thống làm mát, máy biến áp, lưới điện và nhà máy điện. Lần ngược chuỗi vật lý ấy để hiểu vì sao điện năng trở thành điểm nghẽn của AI, và cách nghĩ về hiệu ứng bậc hai khi đầu tư.