Top 10 Kỹ Năng Cần Thiết Trong Thời Đại AI Báo cáo của McKinsey: 50% nhiệm vụ có thể tự động hóa. 00:01:47 Đến năm 2030: 800 tri...
Top 10 Kỹ Năng Cần Thiết Trong Thời Đại AI
- Báo cáo của McKinsey: 50% nhiệm vụ có thể tự động hóa. 00:01:47
- Đến năm 2030: 800 triệu việc làm có thể bị thay thế do tự động hóa. 00:01:55
- Cùng lúc: 890 triệu việc làm mới sẽ được tạo ra. 00:02:00
- AI sẽ chuyển đổi công việc, đòi hỏi kỹ năng bổ sung. 00:02:13
- Nghiên cứu của Pew Research: Công việc của người có trình độ đại học trở lên có thể bị ảnh hưởng nhiều nhất bởi AI. 00:03:08
- Công việc tiếp xúc với AI nhiều hơn có khả năng thu nhập cao hơn. 00:03:20
- Không học AI bây giờ, tương lai có thể muộn. 00:03:26
- Không nên sợ hãi AI thay thế công việc hoàn toàn. 00:03:44
- AI giỏi nhiệm vụ cụ thể, phân tích dữ liệu, xác định hình mẫu. 00:03:49
- Nhược điểm của AI: giới hạn trong khung mẫu, phụ thuộc dữ liệu đầu vào sai. 00:03:54
- Quan trọng là phát triển kỹ năng để phát triển sự nghiệp trong thời đại AI. 00:04:10
Top 10 kỹ năng có nhu cầu tăng cao (Diễn đàn kinh tế thế giới):
- Tư duy sáng tạo 00:04:30
- Tư duy phân tích (analytical thinking) 00:04:31
- Khả năng cập nhật kiến thức công nghệ (technological literacy) 00:04:35
- Khả năng tò mò và học tập suốt đời (curiosity and lifelong learning) 00:04:41
- Kỹ năng tự phục hồi, linh hoạt và nhanh nhẹn (resilience, flexibility and agility) 00:04:46
- Tư duy hệ thống (system thinking) 00:04:52
- AI và dữ liệu lớn (AI and big data) 00:04:55
- Khả năng tự tạo động lực và nhận thức về bản thân (motivation & self-awareness) 00:05:00
- Quản lý nhân sự (Talent management) 00:05:06
- Kỹ năng dịch vụ khách hàng (service orientation and customer service) 00:05:09
Phân nhóm kỹ năng:
- Nhóm kỹ năng tư duy và sáng tạo: Tư duy logic, giải quyết vấn đề, sáng tạo. 00:05:17
- Nhóm kỹ năng công nghệ và thích ứng: Tiếp cận, sử dụng, làm chủ công nghệ, thích ứng môi trường thay đổi. 00:05:27
- Nhóm kỹ năng giao tiếp và quản lý: Giao tiếp hiệu quả, làm việc nhóm, quản lý bản thân và người khác. 00:05:39
3 điều cần làm để sống trong thời đại AI:
- Giữ lòng tò mò và tinh thần học hỏi liên tục: Công nghệ thay đổi nhanh, cần cập nhật kiến thức, kỹ năng. 00:06:05
- Học không cần lớn lao, chỉ cần đọc, xem, nghe về AI, công nghệ, hiểu khái niệm cơ bản. 00:06:15
- Nghe để nắm khái niệm, nghe quen, thông tin quen thuộc như tin tức kinh tế. 00:06:34
- Phát triển kỹ năng về con người, kết nối con người: Máy móc làm nhiệm vụ lặp lại, con người tập trung sáng tạo, tư duy phản biện, trí tuệ cảm xúc. 00:06:57
- Công nghệ trả lại tự do sáng tạo, tư duy phản biện, trí tuệ cảm xúc. 00:07:06
- AI cho thời gian nuôi dưỡng mối quan hệ với bản thân và người khác. 00:07:12
- Mở lòng với sự thay đổi: Chấp nhận AI như một phần của cách làm việc mới. 00:07:19
- Chấp nhận AI như cách chấp nhận xe hơi, internet, điện thoại thông minh. 00:07:25
- Tiến bộ kỹ thuật giúp mở rộng tầm nhìn. 00:07:34
- Không biết AI đưa tới đâu, cứ dùng thử các công cụ AI. 00:07:56
- Xuất phát điểm với AI giống nhau cho mọi người. 00:08:08
- Tập trung tiếp cận AI trước mọi người để vượt lên. 00:08:25
Tư Duy Tự Động Hóa Công Việc Với AI
- Khóa học "AI for decision making" giúp hệ thống hóa số liệu, xây dựng bức tranh toàn cảnh, nhận diện cơ hội, rủi ro. 00:09:14
- Chỉ 4 bước tự động hóa giúp chủ động và xuất sắc. 00:09:42
- Công việc đầu tiên của Linh: photocopy, nhập dữ liệu (nhàm chán, lặp lại). 00:09:58
- Xây dựng tư duy phát triển (growth mindset): xem công việc là cơ hội học hỏi. 00:10:21
- Đổi mọi việc được giao thành thứ có thể cải thiện, làm tốt hơn. 00:10:45
- Cải thiện quy trình, tự động hóa công việc. 00:10:55
- Bài học: Chấp nhận công việc từ thấp đến cao, cải thiện từ việc nhỏ. 00:11:01
- Ngày nay, Gen Z được tự do hơn, làm việc sáng tạo hơn nhờ công nghệ, AI. 00:11:15
- Tuy nhiên, 50% nhiệm vụ hiện tại có thể tự động hóa. 00:11:34
- Cần tự động hóa 30-50% công việc hiện tại để đứng vững. 00:11:52
- Công nghệ phát triển nhanh, cần học nhanh hơn. 00:11:56
- Chỉ có vài tuần, vài ngày để học ứng dụng mới. 00:12:09
- Định nghĩa tự động hóa: Thiết lập hệ thống, quy trình tự vận hành, tập trung nhiệm vụ quan trọng hơn. 00:12:35
- Tư duy tự động hóa (automation mindset): Nhìn nhiệm vụ dưới góc độ quy trình, cải thiện bằng công nghệ. 00:12:49
- Mục tiêu tự động hóa: Rút ngắn thời gian, giảm thiểu hoạt động người, cải thiện độ chính xác, theo dõi báo cáo. 00:13:03
- Nhiệm vụ có thể tự động hóa: Lặp đi lặp lại, dễ sai sót, cần phản hồi nhanh. 00:13:37
- Lặp đi lặp lại hành động (nhập liệu, copy-paste, chuyển tab). 00:13:39
- Dễ sai sót (đánh máy, nhấp chuột nhầm, danh sách dài). 00:13:44
- Đòi hỏi phản hồi ngay lập tức 24/7 hoặc định kỳ. 00:13:51
- Không phải nhiệm vụ nào cũng nên tự động hóa. 00:14:07
- Câu nói của Peter Drucker: "Không gì vô ích hơn cố làm hiệu quả những việc đáng ra không cần làm". 00:14:14
- Nghiên cứu: Càng dùng nhiều ứng dụng, thời gian cho nhiệm vụ thủ công càng tăng do chuyển đổi ứng dụng. 00:14:35
- Tự động hóa công việc là tốt, cần tư duy chi tiết và toàn cảnh. 00:14:51
4 Bước Phát Triển Tư Duy Tự Động Hóa:
- Bước 1: Theo dõi và nhóm nhiệm vụ theo quy trình: Liệt kê nhiệm vụ, tinh gọn quy trình, loại bỏ nhiệm vụ vô ích. 00:15:06
- Bước 2: Xác định nhiệm vụ lặp lại, dễ sai sót, cần tự động hóa trong mỗi quy trình. 00:15:20
- Bước 3: Nghiên cứu cách tự động hóa: Hỏi Google, YouTube, ChatGPT, xem 2-3 cách giải quyết, chọn cách tốt nhất. 00:15:29
- Không tìm kiếm rồi làm theo hướng dẫn đầu tiên. 00:16:05
- Nghiên cứu cách tự động hóa, không chỉ tìm kiếm. 00:16:07
- Bước 4: Thực hiện: Bắt buộc thực hiện quy trình mới ít nhất 1 tuần. 00:16:26
- Bước đầu khó khăn, dễ nản, nhưng cần vượt qua. 00:16:36
- Phân loại người thăng tiến và không thăng tiến. 00:16:51
- Để thăng tiến cần lên quy trình, tự động hóa, giao việc, làm việc mới. 00:17:01
- Chứng minh làm tốt việc cũ, sẵn sàng làm việc mới. 00:17:12
- Mục tiêu: Tự động hóa 30-50% công việc hiện tại. 00:17:22
- Theo dõi và điều chỉnh quy trình thường xuyên theo công nghệ. 00:17:39
- Đánh giá lại quy trình mỗi quý (3 tháng), điều chỉnh. 00:17:51
Lời khuyên cho quản lý/lãnh đạo:
- Chia sẻ và đào tạo tư duy tự động hóa cho nhóm. 00:18:12
- Biến tự động hóa thành chủ đề quen thuộc trong họp nhóm. 00:18:45
- Công ty Linh dành 1 giờ/ngày cho nhân viên nghiên cứu AI tự động hóa. 00:18:58
- Đầu tư vào con người là đầu tư sinh lời. 00:19:16
- Mục tiêu tự động hóa: Tập trung việc ý nghĩa, giải phóng khỏi việc nhàm chán. 00:19:20
- "Think big, start small, learn fast". 00:19:57
- Thay đổi tư duy tự động hóa, ứng dụng từng chút một. 00:20:06
6 Thuật Ngữ AI Cơ Bản
- ChatGPT ra mắt 30/11/2022, 1 triệu người dùng trong 5 ngày. 00:20:19
- So sánh: Netflix (3.5 năm), Facebook (10 tháng), Instagram (2.5 tháng) để đạt 1 triệu người dùng. 00:20:26
- Tháng 5/2024, ChatGPT có hơn 180 triệu người dùng, tăng 80% so với 100 triệu (1/2023). 00:20:41
- 92% công ty Fortune 500 dùng nền tảng OpenAI. 00:20:50
- 66% công ty Mỹ tiết kiệm 1-75,000 USD nhờ ChatGPT. 00:20:56
- Công nghệ AI và ứng dụng như ChatGPT thay đổi cách sống và làm việc rất nhanh. 00:21:03
Mối quan hệ giữa các thuật ngữ:
- AI (Artificial Intelligence - Trí tuệ nhân tạo): Lĩnh vực khoa học máy tính giúp máy móc có vẻ thông minh như con người. 00:21:21
Ví dụ: Ra lệnh cho ChatGPT, Siri, gợi ý từ trên Google, đề xuất bài hát Spotify, gợi ý mua hàng Shopee. 00:24:00 - Machine Learning (Máy học): Nhánh con của AI, giúp máy học từ trải nghiệm, phân tích ví dụ, xây dựng thuật toán. 00:21:34
Ví dụ: Dạy robot sắp xếp đồ chơi vào hộp đúng loại. 00:26:40- 4 loại thuật toán: Supervised learning, Unsupervised learning, Semi-supervised learning, Reinforcement learning. 00:26:40
- Deep Learning (Học sâu): Nhánh con của Machine Learning, mô phỏng não người, dùng mạng neuron nhân tạo (ANN). 00:22:39
Ví dụ: Cuốn sách tô màu kỳ diệu, thông tin qua nhiều lớp để chi tiết hơn. 00:29:26 - Generative AI (AI tạo sinh): Nhánh con của Deep Learning, tạo nội dung mới (văn bản, hình ảnh, video, âm nhạc). 00:22:42
Ví dụ: ChatGPT, Gemini, Image Creator, Midjourney, Dall-E, Turboscribe, Imagine Video, Make-a-Video. 00:30:30
Ví dụ ẩn dụ: Cây đũa thần tạo ra hình ảnh rồng bay qua cầu vồng, bài hát về mèo nhảy múa. 00:32:40 - Large Language Models (LLM - Mô hình ngôn ngữ lớn): Nhánh con của Deep Learning, đào tạo trên bộ dữ liệu lớn, giải quyết vấn đề ngôn ngữ. 00:34:08
Ví dụ: ChatGPT, Gemini. 00:34:08
Ví dụ ẩn dụ: Cuốn sách ma thuật chứa kiến thức, trộn câu chuyện thành câu chuyện mới. 00:37:11- Mô hình GPT-3 (OpenAI): 175 tỷ tham số. 00:36:50
- Mô hình Jurassic-1 (AI21 Labs): 178 tỷ tham số. 00:36:50
- Prompt: Hướng dẫn nhập vào hệ thống AI (văn bản, hình ảnh, mã) để yêu cầu thực hiện nhiệm vụ. 00:37:59
Ví dụ: Yêu cầu ChatGPT viết báo cáo, tương tự giao việc cho nhân viên cần rõ ràng. 00:38:38
Hướng Dẫn Phát Âm 16 Thuật Ngữ AI
- Artificial Intelligence (Trí tuệ nhân tạo) 00:41:59
- Lưu ý âm "r" giữa từ "artificial". 00:42:19
- Machine Learning (Máy học) 00:42:50
- Kéo dài âm "ing" ở "learning". 00:43:03
- Computer Vision (Thị giác máy tính) 00:43:33
- Nhấn mạnh âm "u" ở "computer". 00:43:42
- Hai cách phát âm "computer" (Mỹ) và "computer" (Anh). 00:43:54
- Robotics (Robot học) 00:44:28
- Âm "o" đầu và âm "o" kế phát âm khác nhau. 00:44:38
- Natural Language Processing (Xử lý ngôn ngữ tự nhiên) 00:44:59
- "Language" phát âm như "language" hoặc "language" (âm "v" mạnh). 00:45:19
- Nhấn mạnh âm đầu "pro" ở "processing". 00:45:51
- Deep Learning (Học sâu) 00:46:11
- Kéo dài âm "ee" ở "Deep". 00:46:23
- Kéo dài âm "ing" ở "learning". 00:46:42
- Generative AI (AI tạo sinh) 00:46:57
- "Generate" sang "generative" đổi âm "a" thành "ơ". 00:47:11
- Generative Pre-trained Transformer (GPT) 00:47:35
- "Generative": như trên. 00:48:05
- "Pre-trained": "pre" phát âm "pre" không "pre", nuốt âm "ed". 00:48:14
- "Transformer": Nhấn mạnh âm "r". 00:49:03
- Large Language Models (LLM) (Mô hình ngôn ngữ lớn) 00:49:41
- "Large" phát âm "large" không "large". 00:50:09
- "Models" có âm "s" cuối. 00:50:40
- Algorithms (Thuật toán) 01:01:09
- Âm "l" nhẹ, lưỡi ở hàm dưới. 01:01:19
- Âm "th" cuối nặng hơn "thể thao". 01:01:52
- Supervised Learning (Học có giám sát) 01:02:34
- Nhấn mạnh âm "r" giữa "supervised". 01:02:51
- Nhấn mạnh âm "ed" của "supervised" và kéo dài "ing" của "learning". 01:03:03
- Unsupervised Learning (Học không giám sát) 01:03:38
- Phát âm như "Supervised Learning" thêm "un" phía trước. 01:03:59
- Semi-supervised Learning (Học bán giám sát) 01:04:13
- Phát âm như "Supervised Learning" thêm "semi" phía trước (Semi hoặc Semi). 01:04:28
- Reinforcement Learning (Học tăng cường) 01:04:59
- "Reinforcement": "re" phát âm "re" không "re", âm "rs" giữa. 01:05:19
- Kéo dài âm "ing" của "learning". 01:06:06
- Artificial Neural Networks (ANN) (Mạng neuron nhân tạo) 01:06:29
- Nhấn mạnh âm "l" cuối "artificial" và "neural". 01:06:48
- Prompt Engineering (Kỹ thuật Prompt) 01:07:35
- Kết thúc "prompt" với âm "pt" (cụm môi, thả ra). 01:07:58
10 Ứng Dụng AI Phổ Biến (Phát Âm):
- Adobe Firefly 00:59:16
- Claud AI 00:59:26
- Dall-E 00:59:35
- Gemini 00:59:42
- Leonardo AI 00:59:50
- Microsoft Copilot 01:00:00
- Midjourney 01:00:08
- Perplexity 01:00:18
- Sora AI 01:00:26
- Stable Diffusion 01:00:39
Quan Điểm Về Tương Lai AI Từ Chuyên Gia
Quan điểm lạc quan của Andrew Ng:
- Mọi người nên tiếp cận AI dễ dàng hơn. 01:03:41
- AI mang lại lợi ích cho cửa hàng nhỏ. 01:03:49
- Nền tảng AI tập trung dữ liệu đầu vào, dễ dùng (ChatGPT, Gemini). 01:03:55
- Ví dụ ẩn dụ: So sánh AI với sự phổ cập của việc đọc viết trong lịch sử. 01:04:07
- 1000 năm trước, ít người biết đọc, nay ai cũng cần biết đọc viết. 01:04:10
- AI như trợ lý siêu thông minh, cần phổ cập cho mọi người. 01:04:33
- Ví dụ cửa hàng bánh ngọt nhỏ dùng AI dự đoán nhu cầu bánh. 01:05:27
- Ví dụ xưởng áo phông dùng AI dự đoán xu hướng thiết kế, kiểm soát chất lượng. 01:05:38
- AI nên dành cho tất cả mọi người, không chỉ công ty lớn. 01:06:01
- Học AI sớm để có lợi thế cạnh tranh, như học đọc viết ngày xưa. 01:06:38
Quan điểm lo ngại của Elon Musk:
- Lo ngại về "Singularity" - điểm cực cùng khi AI vượt trí tuệ con người. 01:09:12
- "Singularity" (điểm kỳ dị): Chuyển biến về chất, thay đổi cơ bản nhận thức. 01:10:24
- Trong AI: Siêu AI vượt qua trí tuệ loài người. 01:10:39
- Elon Musk ví Singularity như lỗ đen, không lường trước được. 01:10:47
- Lo ngại AI thông minh hơn con người, không cùng mục tiêu, khó đoán định. 01:10:58
- Không nên tin tưởng mù quáng và giao AI cho công chúng vội vàng. 01:11:14
- Cần tiếp cận AI thận trọng, quy định an toàn, hợp tác quốc tế. 01:11:48
- Lo ngại AI dùng ngôn ngữ thuyết phục, đánh lừa con người. 01:11:56
- "Ngòi bút mạnh hơn thanh gươm" - AI dùng ngôn ngữ nguy hiểm hơn robot vật lý. 01:11:38
Kết luận chung:
- Con người tạo ra máy móc thông minh hơn chính mình. 01:12:18
- AI hỗ trợ công việc, kinh doanh tốt hơn, nhưng sức mạnh không kiểm soát có hại. 01:12:28
- Dự đoán Singularity khoảng năm 2045 (Ray Kurzweil). 01:12:37
- Thời điểm AI vượt trội trí tuệ người không còn xa. 01:12:58
- Hiện tại, AI thay đổi cách làm việc, cần dùng AI để dẫn đầu. 01:13:05
- Nên hiểu cả hai quan điểm Andrew Ng và Elon Musk, thích ứng nhanh với thay đổi. 01:13:27
Bình luận