Những Video Hay Nhất Để Hiểu AI, Chọn Từ 20 Năm Bình Luận Hacker News

Một bài giới thiệu một giờ, dành cho mọi đối tượng, về các mô hình ngôn ngữ lớn: chúng là gì, được huấn luyện như thế nào, so sánh với hệ điều hành ra sao, và những thách thức an ninh đi kèm, bao gồm cả jailbreak.

Hacker News coi đây là điểm khởi đầu dễ hiểu nhưng vẫn đầy đủ để hiểu về LLM, và đây là video được nhắc đến nhiều nhất trong toàn bộ danh sách này, được liên kết trong 20 bình luận.

Bài phân tích hơn ba giờ về toàn bộ quy trình huấn luyện phía sau một mô hình kiểu ChatGPT, từ pretraining đến post-training, cùng các mô hình tư duy giải thích vì sao các hệ thống này đôi khi 'ảo giác' và cách khắc phục.

Đề xuất thường gặp nhất của Hacker News cho một nền tảng rõ ràng về cách LLM thực sự được xây dựng, không cần nhiều kiến thức toán; video xuất hiện trong 18 bình luận.

Chương đầu của một series về deep learning, giải thích nơ-ron và lớp mạng thực chất là gì, cùng phần toán cơ bản bên dưới một mạng nơ-ron, minh họa bằng bài toán nhận diện chữ số viết tay.

Người bình luận gọi đây là điểm khởi đầu tiêu chuẩn để học cách mạng nơ-ron hoạt động, được khen vì khiến phần toán học bên dưới trở nên dễ cảm nhận; video được nhắc đến trong 19 bình luận.

Một giải thích bằng hình ảnh về cách transformer và các mô hình ngôn ngữ kiểu GPT hoạt động, theo dõi dữ liệu qua từng bước token, embedding và attention.

Hacker News coi đây là bài giới thiệu hình ảnh kinh điển về transformer; nhiều bình luận nói đây là video cuối cùng giúp họ 'vỡ ra' về attention và embedding, với 16 lượt nhắc đến.

Một bài phân tích sâu hơn bằng hình ảnh về chính cơ chế attention: self-attention, nhiều head, và cross-attention, là chương 6 của cùng series deep learning.

Được Hacker News đề xuất riêng cho những người thấy các giải thích bằng văn bản về attention khó theo dõi, với 8 lượt nhắc đến trong dữ liệu.

Có tên gốc là 'Humans Need Not Apply,' video này lập luận rằng tự động hóa sẽ khiến một phần lớn lực lượng lao động trở nên dư thừa về kinh tế, giống như động cơ đã làm với ngựa, khảo sát cả lao động chân tay và lao động trí óc đang bị phần mềm và robot thay thế.

Hacker News đã đề xuất video này suốt một thập kỷ như bài giải thích kinh điển về tự động hóa và thất nghiệp, dù các bình luận gần đây hơn cũng coi đây là ví dụ về những dự đoán quá tự tin; video có 20 lượt nhắc đến.

Một buổi livestream của Perimeter Institute, trong đó Derek Muller lập luận, dựa trên các đợt chuyển đổi công nghệ trước đây và khoa học nhận thức, rằng AI có thể giúp tiếp cận thông tin nhanh hơn nhưng việc học thật vẫn cần sự lặp lại nỗ lực từ chính người học.

Hacker News đề xuất video này như một góc nhìn cân bằng về AI và giáo dục: công cụ có thể giúp, nhưng không thể làm thay phần nỗ lực của việc học, đúng là thói quen mà phần cuối của hướng dẫn này muốn xây dựng. Video có 6 lượt nhắc đến.

Một bài giới thiệu dành cho mọi đối tượng về an toàn AI, được làm lại, chuyển thể từ một bài nói ở London, trình bày vì sao AI tiên tiến có thể đi chệch hướng và trả lời những phản bác phổ biến nhất với ý tưởng đó.

Liên kết mặc định mà Hacker News gửi cho người mới muốn một bài giới thiệu dễ tiếp cận, thậm chí thú vị, về rủi ro và alignment của AI; 7 bình luận chỉ đến đây đầu tiên.

Một giải thích về instrumental convergence: vì sao một hệ thống AI theo đuổi hầu như bất kỳ mục tiêu nào cũng có xu hướng theo đuổi thêm các mục tiêu phụ như tự bảo toàn và thu thập tài nguyên, bất kể có ai lập trình điều đó hay không.

Được đề xuất liên tục như giải thích rõ ràng nhất vì sao một hệ thống AI thông minh có thể mặc định hành xử xấu, mà không cần ác ý nào; video có 8 lượt nhắc đến.

Một giải thích về orthogonality thesis: cách một hệ thống có thể vừa rất năng lực vừa theo đuổi những mục tiêu trông lạ lùng hoặc xa lạ với con người, tách biệt mức độ thông minh của một thứ khỏi việc nó thực sự muốn gì.

Hacker News dùng video này như câu trả lời ngắn tiêu chuẩn cho câu hỏi 'chẳng phải AI thông minh sẽ tự hiểu giá trị con người sao,' và đây là một trong những mục được trích dẫn nhiều hơn trong danh sách này với 12 lượt nhắc đến.

Tristan Harris và Aza Raskin trình bày vì sao họ tin rằng năng lực AI hiện tại mang rủi ro xã hội thực sự, lập luận rằng các công ty đang chạy đua triển khai nhanh hơn tốc độ công việc an toàn có thể theo kịp, được trình bày ngay trước khi GPT-4 ra mắt công khai.

Thường được đề xuất như bài nói duy nhất nên xem để nắm bắt nhanh về rủi ro AI, đặc biệt bởi những người đã từng xem công trình trước đó của cùng nhóm về mạng xã hội; video có 20 lượt nhắc đến, đồng hạng video được trích dẫn nhiều nhất trong danh sách này.

Một bộ phim ngắn hư cấu, được nhà nghiên cứu AI Stuart Russell hậu thuẫn, mô tả các bầy drone tự hành giá rẻ dùng nhận diện khuôn mặt để thực hiện các vụ giết người có chủ đích, được làm ra để kêu gọi cấm vũ khí tự hành.

Tài liệu tham khảo tiêu chuẩn của Hacker News mỗi khi các bầy drone, vũ khí tự hành, hoặc AI quân sự xuất hiện trên tin tức, với 20 lượt nhắc đến qua nhiều năm.

Một bộ phim tài liệu dài theo chân chương trình AlphaGo của DeepMind khi chuẩn bị cho, và thi đấu, trận đấu năm 2016 với kỳ thủ cờ Vây Lee Sedol, bao gồm cả nhóm đứng sau nó và phản ứng của giới cờ Vây khi chứng kiến một AI đánh bại một kỳ thủ hàng đầu.

Người bình luận liên tục gọi đây là một câu chuyện con người cảm động, được làm tốt về AI, có giá trị ngay cả khi bạn chưa từng chơi cờ Vây, và nói rằng nó không bị 'lỗi thời' như nhiều nội dung AI khác; 13 bình luận liên kết đến video này.

Một cuộc trò chuyện kéo dài ba giờ giữa Lex Fridman và George Hotz, người sáng lập công ty xe tự lái Comma.ai, trải qua các chủ đề xe tự lái, Tesla và Waymo, tiền mã hóa, GPT-3, và gợi ý sách.

Được đề xuất trên Hacker News như một cuộc phỏng vấn thú vị, trải rộng nhiều chủ đề, với các bình luận cụ thể chỉ đến góc nhìn của Hotz về lái xe bằng mạng nơ-ron end-to-end; video có 10 lượt nhắc đến.

Một bản demo ngắn về MarI/O, một chương trình dùng mạng nơ-ron và một thuật toán di truyền gọi là NEAT để tự học cách chơi Super Mario World, không có ai dạy nó luật chơi.

Bài giới thiệu dễ tiếp cận kinh điển của Hacker News cho kiểu machine learning này, được khen trong các bình luận vì ghi nhận rõ ràng công trình nghiên cứu trước đó mà nó dựa vào; video có 20 lượt nhắc đến.