1
00:00:00,000 --> 00:00:05,561
Chào mừng bạn đã quay trở lại. Trong bài giảng này, tôi muốn thêm một chút về việc sử dụng mô hình
2
00:00:05,561 --> 00:00:09,374
có thể giúp bạn như thế nào để bạn trở thành một công dân thông minh hơn của thế giới. Và như vậy,
3
00:00:09,374 --> 00:00:13,417
[inaudible]. Phân tích từng lý do nho nhỏ về việc tại sao các mô hình
4
00:00:13,417 --> 00:00:17,352
khiến bạn có thể tham gia tốt hơn vào các vấn đề đang xảy ra trong
5
00:00:17,352 --> 00:00:20,903
thế giới phức tạp và hiện đại mà chúng ta sống. Như vậy, khi gặp các mô hình, chúng đã được
6
00:00:20,903 --> 00:00:24,550
đơn giản hóa, trừu tượng hóa. Nên theo một khía cạnh nào đó,
7
00:00:24,550 --> 00:00:28,389
chúng có thể sai. George Box có một câu nói nổi tiếng, “Mọi mô hình đều sai”.
8
00:00:28,389 --> 00:00:32,084
Và đó là sự thật, phải không? Có thể. “Tuy nhiên, một số lại rất hữu ích”. Và đó sẽ là
9
00:00:32,084 --> 00:00:35,539
câu thần chú xuyên suốt khóa học. Những mô hình này sẽ được
10
00:00:35,539 --> 00:00:38,946
trừu tượng hóa, đơn giản hóa, nhưng chúng có ích cho
11
00:00:38,946 --> 00:00:42,468
chúng ta. Chúng giúp ta làm mọi thứ tốt hơn. Theo khía cạnh nào đó, phải không?
12
00:00:42,468 --> 00:00:46,158
Và đó là một điều quan trọng trong khóa học này. Mô hình là ngôn ngữ chung mới
13
00:00:46,158 --> 00:00:49,618
Chúng không chỉ là ngôn ngữ hàn lâm,như tôi đã nói
14
00:00:49,618 --> 00:00:53,447
trong bài giảng trước, mà chúng còn là ngôn ngữ của kinh doanh,
15
00:00:53,447 --> 00:00:57,046
của chính trị. Chúng là ngôn ngữ của thế giới phi lợi nhuận. Bất cứ nơi nào bạn đến,
16
00:00:57,046 --> 00:01:00,782
nơi đó con người đang cố gắng để làm thật tốt, kiếm tiền, chữa bệnh, hay bất cứ điều gì mà
17
00:01:00,782 --> 00:01:04,335
họ muốn. Bạn sẽ nhận ra rằng con người đang sử dụng các mô hình để cho phép
18
00:01:04,335 --> 00:01:08,071
họ thực hiện tốt hơn mục tiêu của mình. Đó là lý do chúng trở thành
19
00:01:08,071 --> 00:01:11,716
một ngôn ngữ chung. Vì vậy hãy nhớ lại
20
00:01:11,716 --> 00:01:15,453
bài giảng đầu tiên. Toàn bộ ý tưởng của
phong trào sách kinh điển chính là
21
00:01:15,453 --> 00:01:19,639
đây. Đưa ra các ý tưởng mà ai cũng nên biết. Vì vậy, có hang ngàn ý tưởng trong hàng trăm cuốn sách
22
00:01:19,639 --> 00:01:23,497
tuyệt vời như vậy. Và một trong số những học viên ngành quảng cáo của chúng tôi,
23
00:01:23,497 --> 00:01:27,354
anh Robert Hush sống tại Chicago. Chúng có điều này, và chúng được gọi là
24
00:01:27,354 --> 00:01:31,264
Tropicana, là 1 danh sách, đúng vậy, có cùng những người xem quảng cáo. Danh sách bao gồm những ý tưởng
25
00:01:31,264 --> 00:01:35,430
mà vài người biết, người thông mình chắc chắn sẽ biết.
26
00:01:35,430 --> 00:01:39,442
biết. Vì vậy, những ý tưởng đó là gì? Một trong các ý tưởng đó là luôn ôm chắc cột buồm (idiom: giữ vững lập trường).
27
00:01:39,442 --> 00:01:43,506
Câu này có nguồn gốc từ sử thi Odysseus, nói rằng con tàu đó đang đi qua
28
00:01:43,506 --> 00:01:47,672
nhà của các mỹ nhân ngư và chàng muốn nghe tiếng hát của họ. Nên chàng
29
00:01:47,672 --> 00:01:51,873
bảo đoàn thủy thủ trói mình vào cột buồm để có thể lắng nghe tiếng hát
30
00:01:51,873 --> 00:01:56,109
nhưng phải cam kết trước là không được lái thuyền vượt lên để nghe hát, đồng thời
31
00:01:56,109 --> 00:01:59,784
chàng đổ sáp vào tai của đoàn thủy thủ để
32
00:01:59,784 --> 00:02:04,071
họ không bị lôi kéo lái tàu vào đó. Đó là ý tưởng mà chúng ta
33
00:02:04,071 --> 00:02:08,182
có thể trích dẫn trong lịch sử. Hoặc Cortez đã đốt đội tàu, để quân của ông
34
00:02:08,182 --> 00:02:12,541
không rút lui, họ phải tiếp tục tiến lên. Vậy nên ý tưởng trói mình vào cột buồm
35
00:02:12,541 --> 00:02:16,253
(giữ vững lập trường) là một kinh nghiệm đắt giá. Một trong những
36
00:02:16,253 --> 00:02:19,957
trang web yêu thích của tôi là trang web có tên là Phòng Cách Ngôn. Trang web này có những câu
37
00:02:19,957 --> 00:02:23,949
đại loại như *ai chần chừ thì nhịn, làm ngay cho khỏi rách việc,*
38
00:02:23,949 --> 00:02:27,700
*hai cái đầu thì tốt hơn là một, hay lắm thầy nhiều ma…*
39
00:02:27,700 --> 00:02:31,591
Vậy bạn cần nghe những lời khuyên hữu ích này, một số thứ nói
40
00:02:31,596 --> 00:02:35,148
nhưng sau đó bạn lại nghe những thứ hoàn toàn trái ngược. Vâng, làm thế nào
41
00:02:35,148 --> 00:02:39,340
để phán xét hai điều này? Chúng ta xem xét hai điều này
42
00:02:39,340 --> 00:02:43,532
bằng cách xây dựng mô hình bởi mô hình cho ta các điều kiện trong đó
43
00:02:43,532 --> 00:02:47,522
*nếu chần chừ là thua, hoặc làm nhanh khỏi rách việc.*
44
00:02:47,522 --> 00:02:51,613
Nên khi xét về khoảng rộng trong dự báo và mức đa dạng, chúng ta sẽ biết tại sao
45
00:02:51,613 --> 00:02:55,654
trường hợp *hai cái đầu thì tốt hơn một, hay lắm thầy thì nhiều ma*
46
00:02:55,654 --> 00:02:59,694
Trớ trêu thay, các mô hình lại trói chúng ta
47
00:02:59,694 --> 00:03:03,684
vào cột buồm, chúng trói chúng ta vào cột logic và bằng cách đó, chúng ta
48
00:03:03,684 --> 00:03:08,652
tìm ra cách tư duy, ý tưởng nào trong đó hữu ích cho chúng ta.
49
00:03:08,652 --> 00:03:13,116
Vậy nên nếu xét hầu hết các ngành, kể cả ngành kinh tế, và đó chính là những gì bạn nhìn thấy trong
50
00:03:13,116 --> 00:03:17,634
sơ đồ này, là bản mô tả các chức năng của một tác tử.
51
00:03:17,634 --> 00:03:21,878
Và các tác tử luôn cố gắng tối đa hóa lợi ích của họ.
52
00:03:21,878 --> 00:03:25,900
Thế nên, các nhà kinh tế học luôn sử dụng mô hình. Các nhà sinh vật học cũng sử dụng mô hình.
53
00:03:25,900 --> 00:03:30,143
Họ dùng các mô hình cho não bộ, trong đó có các axon và dendrite
54
00:03:30,143 --> 00:03:34,331
xen giữa các neuron. Họ có các mô hình của mạng lưới quy định gene.
55
00:03:34,331 --> 00:03:38,464
Rồi mô hình các loài. Đại loại thế. Về xã hội học, chúng ta cũng có các mô hình.
56
00:03:38,464 --> 00:03:42,611
Cách xác định ảnh hưởng của hành động,
57
00:03:42,611 --> 00:03:46,411
hành vi của mình, đại loại thế. Còn trong khoa học chính trị,
58
00:03:46,411 --> 00:03:50,186
chúng ta cũng có các mô hình. Khoa học chính trị ngày nay, đó là một bức tranh của mô hình
59
00:03:50,186 --> 00:03:53,934
bầu cử không gian. Nên có thể nói rằng ứng viên này ít bảo thủ hơn theo một vài tiêu chí
60
00:03:53,934 --> 00:03:57,280
nhất định và các cử tri cũng ít bảo thủ hơn và bạn bảo,
61
00:03:57,280 --> 00:04:00,983
nhiều khả năng bạn sẽ bầu cho ứng viên có khuynh hướng giống mình.
62
00:04:00,983 --> 00:04:04,508
Tại đại học Michigan, chúng tôi tiến hành một công việc gọi là
63
00:04:04,508 --> 00:04:08,032
Nghiên cứu về Bầu cử Quốc gia. Chúng tôi thu thập dữ liệu đại loại là
64
00:04:08,032 --> 00:04:11,423
những nhà chính trị đang ở đâu và những người bầu cử đang ở đâu. Việc này giúp chúng tôi xác định được
65
00:04:11,423 --> 00:04:15,184
ai bầu cho ai và tại sao.
Mô hình giúp chúng ta hiểu được quyết định mà
66
00:04:15,184 --> 00:04:18,550
người bầu cử đưa ra. Sang đến ngôn ngữ học. Một lĩnh vực khác, phải không? Bạn có thể nghĩ rằng,
67
00:04:18,550 --> 00:04:21,871
Làm sao bạn có thể sử dụng mô hình trong ngôn ngữ học?
Bạn thấy ở đây là một mô hình minh họa
68
00:04:21,871 --> 00:04:25,685
với một số kí hiệu như ‘v’, ‘n’ hay ‘p’. Nếu bạn quan sát kĩ,
69
00:04:25,685 --> 00:04:29,006
‘v’ kí hiệu động từ (verb), ‘n’ là danh từ (noun). Còn ‘S’,
70
00:04:29,006 --> 00:04:32,238
chủ ngữ (subject), phải không? Với mô hình này, bạn có thể hỏi:
71
00:04:32,238 --> 00:04:35,693
“Cấu trúc của một ngôn ngữ là như thế nào?" Mô tả một cách chính thống và toán học,
72
00:04:35,693 --> 00:04:39,014
cấu trúc của một ngôn ngữ là như thế nào, và việc một số ngôn ngữ có những nét tương đồng với một số ngôn ngữ khác,
73
00:04:39,014 --> 00:04:42,560
phụ thuộc vào việc người nói kết cấu các câu ra sao.
74
00:04:42,560 --> 00:04:46,001
75
00:04:46,001 --> 00:04:50,132
rõ ràng nó rất khác so với tiếng Anh. Ngay cả ngành luật cũng sử dụng mô hình.
76
00:04:50,132 --> 00:04:54,138
Đây là một đồ thị của một cựu sinh viên sau đại học của tôi. Hiện nay,
77
00:04:54,138 --> 00:04:58,194
cậu ta, Dan Katz, đang là một giáo sư ngành luật. Trong mạng lưới này, mạng lưới của Tòa án Tối cao,
78
00:04:58,194 --> 00:05:02,149
Dan Katz mô tả, họ bổ nhiệm ai, nếu như một ai đó bổ nhiệm thẩm phán
79
00:05:02,149 --> 00:05:06,055
từ một Tòa án khác. Bằng việc mô tả quá trình bổ nhiệm theo như mạng lưới này,
80
00:05:06,055 --> 00:05:09,711
chúng ta bắt đầu hiểu được mức độ bảo thủ hay tự do của mỗi thẩm phán.
81
00:05:09,711 --> 00:05:13,817
Như vậy, mô hình có rất nhiều ứng dụng,
82
00:05:13,817 --> 00:05:17,622
thậm chí có cả những môn học được phát triển hoàn toàn dựa trên mô hình.
83
00:05:17,622 --> 00:05:21,628
Lí thuyết trò chơi, môn học tôi được luyện tập khi còn là một sinh viên sau đại học, đề cập hoàn toàn về
84
00:05:21,628 --> 00:05:25,507
hành vi chiến lược. Hành vi. Là môn nghiên cứu về chiến lược tương tác giữa
85
00:05:25,507 --> 00:05:29,525
các cá nhân, công ty hay quốc gia. Và lí thuyết trò chơi còn có thể áp dụng
86
00:05:29,525 --> 00:05:33,494
cho sinh học nữa, phải không?
87
00:05:33,494 --> 00:05:37,215
Khi bạn bước vào đại học, bạn sẽ nhận ra rằng lí thuyết trò chơi
88
00:05:37,215 --> 00:05:41,233
có thể đề cập đến bất cứ vấn đề gì. Một ngành dựa hoàn toàn trên
89
00:05:41,233 --> 00:05:45,631
mô hình. Phải không? Vậy thì, tại sao
90
00:05:45,631 --> 00:05:50,508
mọi thứ từ ngôn ngữ học, kinh tế, khoa học chính trị, đều sử dụng mô hình?
91
00:05:50,508 --> 00:05:55,450
Chúng tốt hơn chăng?
Phải, chúng tốt hơn chúng ta.
92
00:05:55,450 --> 00:06:00,392
Tôi sẽ cho các bạn xem một hình minh họa từ một cuốn sách của Phil Tetlock.
93
00:06:00,392 --> 00:06:05,919
Một cuốn sách tuyệt vời. Trong hình này, Phil đang thể hiện độ chuẩn xác của,
94
00:06:05,919 --> 00:06:10,065
một vài phương pháp (để tôi đánh dấu). Một vài phương pháp dự đoán khác nhau.
95
00:06:10,065 --> 00:06:13,512
Bạn có thể thấy ở đây là trục đo.
96
00:06:13,512 --> 00:06:17,217
97
00:06:17,217 --> 00:06:21,487
mức độ không cân bằng, theo độ tốt mà mỗi cách dự đoán
98
00:06:21,487 --> 00:06:25,705
có thể thực hiện. Thay vì nói rằng nó nóng hay lạnh, mô hình có thể cho biết đây là
99
00:06:25,705 --> 00:06:29,410
90, 80 hay 70 độ. Như thế, trục dọc này,
100
00:06:29,410 --> 00:06:32,908
là độ chuẩn xác, và trục ngang là độ sai số
101
00:06:32,908 --> 00:06:36,715
Bạn có thể thấy ở đây, nhím (hedgehog) là những người
102
00:06:36,715 --> 00:06:40,823
không sử dụng mô hình. Dự đoán không tốt lắm, phải không?
103
00:06:40,823 --> 00:06:45,295
Kết quả thật tồi tệ. Lên trên là nhóm người mà Phil gọi là “cáo” (fox). Nhóm người này
104
00:06:45,295 --> 00:06:49,713
sử dụng rất nhiều mô hình. Và,
105
00:06:49,713 --> 00:06:53,695
độ sai số thì rất tốt, tốt hơn một chút so với
106
00:06:53,695 --> 00:06:58,058
độ mất cân bằng. Nhưng, tận phía trên này, là
107
00:06:58,058 --> 00:07:02,312
mô hình tối ưu (formal models), tốt hơn cả nhím và cáo.
108
00:07:02,312 --> 00:07:06,457
Câu hỏi bây giờ là, lượng dữ liệu là bao nhiêu? Tetlock thực ra có trong tay hàng chục nghìn
109
00:07:06,457 --> 00:07:10,565
dự đoán. Trong 20 năm, ông ta thu thập dữ liệu từ mọi người, so sánh
110
00:07:10,565 --> 00:07:15,154
kết quả họ dự đoán so với mô hình tối ưu.
Kết quả là mô hình tỏ ra vượt trội.
111
00:07:15,154 --> 00:07:19,772
OK. Vậy còn những người
112
00:07:19,772 --> 00:07:23,194
lấy dự đoán làm nghề kiếm cơm? Đây là ảnh của Bruce Bueno de Mesquita,
113
00:07:23,194 --> 00:07:26,616
người đưa ra những dự đoán về những điều sắp xảy ra trong các mối quan hệ.
114
00:07:26,616 --> 00:07:30,261
Ông ta làm rất tốt việc này. Tốt đến mức ảnh ông ta xuất hiện trên bìa
115
00:07:30,261 --> 00:07:33,816
các tạp chí. Ông ta từng dạy tại ĐH Stanford và ĐH New York (NYU), từng giữ chức vụ trưởng khoa tại NYU.
116
00:07:33,816 --> 00:07:37,372
Bruce có một mô hình rất cụ thể giúp ông
117
00:07:37,372 --> 00:07:40,483
xác định được, dựa trên mong muốn và nhu cầu,
118
00:07:40,483 --> 00:07:43,594
mỗi quốc gia sẽ hành động ra sao. Tuy nhiên,
cũng như George Box đã nói
119
00:07:43,594 --> 00:07:47,016
lúc đầu, Bruce không lệ thuộc hoàn toàn vào mô hình để đưa ra quyết định. Mô hình
120
00:07:47,016 --> 00:07:50,572
chỉ đưa ra gợi ý cho những suy nghĩ tiếp theo. Một sự kết hợp giữa
121
00:07:50,572 --> 00:07:54,716
những gì mà mô hình chính thức cho biết, và
kinh nghiệm cho thấy, những người thông minh
122
00:07:54,716 --> 00:07:59,984
đều sử dụng mô hình, nhưng mô hình không cho họ biết phải làm gì.
Nhiều mô hình tư duy khác
123
00:07:59,984 --> 00:08:04,858
đã được họ cho là tốt hơn nhưng
chúng cũng rất phong phú. Vì vậy, một khi bạn
124
00:08:04,858 --> 00:08:08,621
tìm hiểu một mô hình. Đó là, đối với mỗi lĩnh vực,
bạn có thể áp dụng cho cả một đống
125
00:08:08,621 --> 00:08:11,913
các lĩnh vực khác, rất thú vị.
Chúng ta sẽ tìm hiểu các mô hình như
126
00:08:11,913 --> 00:08:15,657
quy trình Markov, mô hình mô phỏng các quá trình
động. Chúng có thể áp dụng để
127
00:08:15,657 --> 00:08:19,220
mô phỏng sự lây lan dịch bệnh và những thứ tương tự. Cuối cùng, chúng ta sẽ biết rằng
128
00:08:19,220 --> 00:08:22,783
mặc dù bạn cũng có thể sử dụng chúng,
nhưng cũng sẽ ngạc nhiên, để tìm ra
129
00:08:22,783 --> 00:08:26,715
ai đã viết cuốn sách. Và họ nói rằng,
làm thế nào vậy? Chỉ bằng cách
130
00:08:26,715 --> 00:08:30,433
nghĩ ra từ ngữ, viết một câu, như là một quá trình thiếu máu. Vì vậy,
131
00:08:30,433 --> 00:08:34,402
các tác giả khác nhau sẽ sử dụng các chuỗi từ khác nhau. Mô hình khác nhau. Vì vậy,
132
00:08:34,402 --> 00:08:38,521
chúng ta có thể sử dụng mô hình toán học chẳng hề liên quan gì đến chuyện này
133
00:08:38,521 --> 00:08:42,290
để tìm ra người đã viết sách, đúng không? Rất hay.
134
00:08:42,290 --> 00:08:46,543
Một lý do lớn khác. Mô hình làm cho chúng ta đỡ mất công hơn. Lý do là vì
135
00:08:46,543 --> 00:08:50,744
chúng ta chỉ cần bố trí sắp xếp tất cả các
logic và sau đó nhận ra,
136
00:08:50,744 --> 00:08:54,635
trời ơi, có thế mà mình không nghĩ ra. Vì vậy, thường khi xây dựng mô hình,
137
00:08:54,635 --> 00:08:58,784
chúng ta sẽ nhận được nhiều dự đoán khác nhau hơn so với những gì mình nghĩ trước đây,
138
00:08:58,784 --> 00:09:02,934
Nếu bạn xem cái này, đây là một
bức hình đồ thị tulip
139
00:09:03,090 --> 00:09:06,368
vào thế kỷ mười sáu-mười bảy,
140
00:09:06,368 --> 00:09:09,974
mỗi bó hoa có giá rất đắt. Bạn có thể tưởng tượng rằng mọi người nghĩ rằng
141
00:09:09,974 --> 00:09:13,814
giá sẽ còn tiếp tục tăng nữa. Nếu bạn đã có một mô hình tuyến tính đơn giản
142
00:09:13,814 --> 00:09:17,514
bạn có thể đã đầu tư rất nhiều vào hoa tulip, và mất rất nhiều tiền. Vì vậy, đó là một trong những
143
00:09:17,514 --> 00:09:21,167
lý do mà mô hình làm cho chúng ta kém đi,
không lật lại câu nói của George Box. Tất cả
144
00:09:21,167 --> 00:09:24,633
các mô hình đều sai, phải không? Vì vậy, một mô hình sẽ là sai lầm. Tuy nhiên, các mô hình
145
00:09:24,633 --> 00:09:28,239
cũng có ích cho chúng ta, bởi vì chúng chỉ ra cho
chúng ta thấy mọi mặt của một vấn đề.
146
00:09:28,239 --> 00:09:31,985
Một khi chúng ta cố gắng viết một
mô hình của bất kỳ loại hệ thống nào, thì đó cũng chỉ là
147
00:09:31,985 --> 00:09:35,685
một bài tập nhỏ, bởi vì chúng ta nhận ra mình đã phải bỏ ra để thử như thế nào và
148
00:09:35,685 --> 00:09:39,190
hiểu những gì đang xảy ra. Dưới đây là một ví dụ khác.
149
00:09:39,190 --> 00:09:42,748
Đây là chỉ số giá cả Case-Shiller Home, và bạn sẽ thấy giá đi lên liên tục.
150
00:09:42,748 --> 00:09:46,262
ngay ở đây. Rất nhiều người lập ra mô hình cho thấy,
151
00:09:46,262 --> 00:09:49,557
mọi thứ sẽ tiếp tục theo hướng này. Có một số
người xây dựng mô hình cho biết mọi thứ đi xuống
152
00:09:49,557 --> 00:09:53,247
Những người này, những người có mô hình
đi xuống, họ đã thu về bộn tiền.
153
00:09:53,247 --> 00:09:56,761
Còn những người cho rằng giá sẽ đi lên thì mất tiền.
Như vậy, các mô hình rất đa dạng.
154
00:09:56,761 --> 00:10:00,099
Và bạn sẽ không biết trước được cho đến khi mọi việc xảy ra,
155
00:10:00,099 --> 00:10:03,614
cái nào là đúng. Và như vậy, quan trọng là có nhiều mô hình.
156
00:10:03,614 --> 00:10:06,908
Chúng ta hãy quay trở lại đồ thị cáo-nhím mà tôi
157
00:10:06,908 --> 00:10:10,159
đã giới thiệu cho các bạn lúc trước. Cáo - những người có rất nhiều mô hình, đã làm
158
00:10:10,159 --> 00:10:14,220
tốt hơn nhiều so với Nhím - những người
không có mô hình. Và các mô hình tối ưu tốt hơn Cáo.
159
00:10:14,220 --> 00:10:19,127
Còn có cái gì có thể tốt hơn so với những mô hình chính thức? Vâng, đó là người
160
00:10:19,127 --> 00:10:22,438
có rất nhiều các mô hình tối ưu. Vậy, nếu
chúng ta muốn tìm hiểu thế giới,
161
00:10:22,438 --> 00:10:26,076
thì nên xây dựng thật nhiều mô hình tối ưu. Trong buổi học này,
162
00:10:26,076 --> 00:10:29,759
hãy nhớ lại hộp 16-32 chì màu,
163
00:10:29,759 --> 00:10:33,397
Cái đó tương tự như những gì chúng ta đang làm
ở đây. Chúng ta chỉ cần chọn trong
164
00:10:33,397 --> 00:10:37,079
một đống mô hình. Và chúng ta sẽ
có chúng, rất đa dạng. Chúng ta
165
00:10:37,079 --> 00:10:40,627
sẽ phác họa trên một loạt các thiết lập.
Vì vậy, khi có vấn đề gì,
166
00:10:40,627 --> 00:10:44,265
ta chỉ việc lôi các mô hình ra. Chọn lấy một cái phù hợp,
167
00:10:44,265 --> 00:10:47,947
như vậy, phải được kết quả tốt hơn. Đó chính là
mấu chốt trong cuốn sách của Tetlocks.
168
00:10:47,947 --> 00:10:51,772
nơi mà đồ thị về cáo và nhím, người duy nhất,
169
00:10:51,772 --> 00:10:55,959
người mà thực sự thậm chí còn tốt hơn so với những gì ông nói. Ông có một cách phân loại ngẫu nhiên
170
00:10:55,959 --> 00:10:59,847
các chọn lựa. Người duy nhất mà làm việc tốt hơn là dự đoán ngẫu nhiên
171
00:10:59,847 --> 00:11:03,834
phải là người sử dụng cùng lúc nhiều mô hình. Chúng ta cũng nên làm vậy.
172
00:11:03,834 --> 00:11:07,971
Đó chính là công dân thông minh của thế giới logic.
173
00:11:07,971 --> 00:11:12,325
Các mô hình vô cùng đa dạng, chúng làm cho chúng ta ít mất công sức,
174
00:11:12,325 --> 00:11:16,556
chúng giúp làm rõ các logic, và chúng cũng tốt hơn.
175
00:11:16,556 --> 00:11:21,088
Vậy nếu bạn muốn xông pha, muốn thay đổi thế giới một cách tích cực,
176
00:11:21,088 --> 00:11:25,459
thì quan trọng là bạn biết dung mô hình.
177
00:11:25,459 --> 00:11:30,251
Cảm ơn các bạn đã theo dõi.