Ba tuần học AI và kỹ năng giỏi nhất của tôi là đóng các tab

Học AI không phải là chinh phục một ngọn núi duy nhất. Nó là những lớp kiến thức chồng lên nhau. Mỗi lớp mới lại khiến lớp bên dưới trông có vẻ chưa hoàn thiện.

Tôi từng nghĩ mình đã hiểu về decision trees. Rồi tôi biết rằng chúng không ổn định. Tôi nghĩ mình đã hiểu cách khắc phục. Thế rồi tôi tìm thấy ensembles. Mỗi bước đi lại hé lộ một lớp kiến thức mới.

Điều này tạo ra một cái bẫy. Bạn học được một thứ. Bạn cảm thấy mình thông minh. Rồi bạn học thêm thứ nằm trên nó. Đột nhiên, thứ đầu tiên cảm giác như chỉ là bước khởi động.

Điều này dẫn đến "cái bẫy tab".

Bạn học về trees. Bạn nghe nói về ensembles. Bạn mở một tab. Tab đó nhắc đến XGBoost. XGBoost lại nhắc đến gradient boosting. Ba tiếng sau, bạn có mười một tab đang mở. Nhưng bạn chẳng xây dựng được gì cả.

Bạn phải thay đổi cách tiếp cận:

• Ghi lại khái niệm mới. • Đóng tab đó lại. • Hoàn thành công việc bạn đang làm dở.

Việc ghi chép giúp đảm bảo bạn không quên. Đóng tab giúp đảm bảo bạn không bị "đuối". Học sâu là tốt. Nhưng học sâu sai thời điểm thì chỉ là sự trì hoãn mà thôi.

Quy tắc tương tự cũng áp dụng cho các công cụ.

Thế giới công nghệ có một "vườn bách thú" công cụ khổng lồ. APIs, REST, GraphQL, gRPC và WebSockets. Những người mới bắt đầu thường cảm thấy họ phải học hết tất cả trước khi bắt tay vào xây dựng.

Bạn không cần phải làm vậy.

  • REST xử lý hầu hết các trường hợp.
  • gRPC hoạt động tốt cho việc giao tiếp backend tốc độ cao.
  • WebSockets hoạt động tốt cho dữ liệu trực tiếp như chat.

Hầu hết các nhóm đều suy nghĩ quá mức về vấn đề này. Đừng vội tìm đến các công cụ phức tạp ngay từ đầu. Hãy tự hỏi vấn đề cụ thể cần gì. Nếu công việc đơn giản, hãy dùng một công cụ đơn giản.

Hãy xây dựng một phiên bản cơ bản trước. Hãy hỏi các chuyên gia xem họ sẽ dùng gì. Một phiên bản cơ bản không bao giờ là lãng phí. Nó dạy cho bạn biết vấn đề thực sự nằm ở đâu.

Cũng hãy tránh cái bẫy của sự cường điệu (hype trap).

Nhiều người cho rằng tự động hóa thì cần phải có LLM. Không hẳn vậy. Phần lớn sự tự động hóa chỉ là logic đơn giản. Nếu là cái này, thì sẽ là cái kia.

Một kỹ năng quan trọng là biết khi nào nên dùng một công cụ bình thường thay vì một công cụ hào nhoáng.

Cuối cùng, hãy luôn hoài nghi về dữ liệu.

Các bài báo nghiên cứu thường cho thấy kết quả hoàn hảo. Họ đưa ra những con số tốt nhất khi so sánh với những đối thủ yếu nhất. Khi một con số trông quá "sạch sẽ", hãy tự hỏi họ đã bỏ sót điều gì.

Lời khuyên của tôi dành cho người mới bắt đầu:

• Chọn một vấn đề thực tế. • Tìm giải pháp đơn giản nhất. • Khi bạn rơi vào một "vòng xoáy" kiến thức (rabbit hole), hãy ghi nó lại và đóng tab đó đi. • Chọn công cụ phù hợp với công việc, đừng chọn theo sự cường điệu.

Nền đất sẽ lại sụt xuống thôi. Đó là bản chất của công việc này.

Nguồn: https://dev.to/asfiya_tech/three-weeks-into-ai-and-my-best-skill-is-closing-tabs-1lkj

Cộng đồng học tập tùy chọn: https://t.me/GyaanSetuAi