Học cách làm việc với thiết bị thông minh
-
0:01 - 0:04Đó là vào 6 giờ rưỡi sáng,
-
0:04 - 0:09và Kristen đang đưa một bệnh nhân
tuyến tiền liệt vào phòng phẫu thuật. -
0:09 - 0:12Cô ấy là bác sĩ nội trú
đang học việc phẫu thuật. -
0:12 - 0:15Công việc của cô là học hỏi.
-
0:15 - 0:19Hôm nay, cô rất hồi hộp muốn được
thực hiện một ca phẫu thuật -
0:19 - 0:24bảo vệ tế bào thần kinh, cực kỳ tinh vi
giúp duy trì chức năng cương dương. -
0:24 - 0:27Bác sĩ phẫu thuật chính
vẫn chưa tới. -
0:27 - 0:30Cô cùng đội ngũ
gây mê bệnh nhân, -
0:30 - 0:35và cô chỉ đạo thực hiện
đường mổ 20 cm dưới rốn. -
0:35 - 0:39Ngay sau khi cố định đường mổ,
cô bảo y tá gọi bác sĩ chính tới. -
0:39 - 0:43Anh ta tới, mặc áo choàng dài.
-
0:43 - 0:48Từ đó trở đi, bốn bàn tay đó
hầu như chỉ ở bên trong bệnh nhân, -
0:48 - 0:53dưới sự hướng dẫn của anh,
Kristin thực hiện ca mổ. -
0:53 - 0:57Khi tuyến tiền liệt lộ ra (đúng, anh ấy
để Kristen thực hiện bảo vệ thần kinh) -
0:57 - 0:59anh cởi bỏ bộ đồ bác sĩ,
-
0:59 - 1:01bắt đầu làm giấy tờ.
-
1:01 - 1:06Kristen khâu bệnh nhân vào lúc 8:15,
-
1:06 - 1:09với một bác sĩ nội trú khác
đang quan sát cô qua vai. -
1:09 - 1:13Và cô để anh ta
khâu những đường cuối cùng. -
1:13 - 1:16Kristen cảm thấy thật tuyệt.
-
1:16 - 1:18Bệnh nhân sẽ ổn,
-
1:18 - 1:22và cô ấy đã là phiên bản tốt hơn
của chính mình vào lúc 6:30 sáng. -
1:22 - 1:26Đó là một công việc rất khắc nghiệt.
-
1:26 - 1:29Nhưng Kristen đã học theo cách
của hầu hết chúng ta: -
1:29 - 1:32quan sát chuyên gia thực hiện,
-
1:32 - 1:35làm những phần dễ và an toàn
-
1:35 - 1:37rồi chuyển sang những việc khó
và nguy hiểm hơn -
1:37 - 1:40dưới sự chỉ dẫn và cho phép của thầy mình.
-
1:40 - 1:43Cả cuộc đời, tôi luôn cảm thấy
cách học này thật tuyệt diệu. -
1:43 - 1:48Nó rất cơ bản, là một phần
tạo nên con người chúng ta. -
1:48 - 1:54Nó có những cái tên khác nhau:
học việc, huấn luyện, kèm cặp, dạy nghề. -
1:54 - 1:57Trong phẫu thuật, nó được gọi là
"nhìn một, làm một, dạy một" -
1:57 - 2:00Nhưng quá trình là giống nhau,
-
2:00 - 2:04và là con đường đã phổ biến
từ hàng ngàn năm qua, trên khắp thế giới. -
2:04 - 2:08Thế nhưng, cách ta sử dụng
trí tuệ nhân tạo (AI) hiện nay -
2:08 - 2:10đang làm cản trở nó.
-
2:10 - 2:13Ta hy sinh việc học hỏi
để theo đuổi năng suất. -
2:13 - 2:16Tôi lần đầu nhận ra nó
trong công việc phẫu thuật khi ở MIT, -
2:16 - 2:19nhưng giờ tôi chắc chắn
nó xuất hiện ở khắp nơi, -
2:19 - 2:23ở những ngành nghề khác nhau
với các loại AI khác nhau. -
2:23 - 2:29Nếu ta không làm gì cả,
hàng triệu người sẽ gặp trở ngại -
2:29 - 2:33trong việc ứng phó với AI.
-
2:33 - 2:36Giờ hãy quay lại việc phẫu thuật.
-
2:36 - 2:38Sáu tháng trôi qua thật nhanh.
-
2:38 - 2:43Lại là 6:30 sáng, và Kristen
đang đưa một bệnh nhân tuyến tiền liệt, -
2:43 - 2:47nhưng lần này là vào
phòng phẫu thuật robot. -
2:47 - 2:49Các bác sĩ tham gia
-
2:49 - 2:53gắn một con robot bốn tay,
nặng hơn 450kg vào người bệnh nhân. -
2:53 - 2:56Cả hai đều cởi bộ đồ bác sĩ,
-
2:56 - 2:59điều khiển ở bàn
cách đó 3-5 mét -
2:59 - 3:04và Kristen chỉ đứng nhìn.
-
3:04 - 3:07Robot cho phép các bác sĩ chính
tự làm toàn bộ thủ tục, -
3:07 - 3:10nên anh ta chỉ việc làm theo.
-
3:10 - 3:12Anh biết Kristen cần thực hành.
-
3:12 - 3:14Anh muốn cho cô điều khiển.
-
3:14 - 3:18Nhưng anh cũng biết rằng cô sẽ
làm chậm và mắc lỗi nhiều hơn, -
3:18 - 3:21và người bệnh cần được ưu tiên.
-
3:21 - 3:25Thế là Kristen không có cơ hội
được giải phẫu suốt ca phẫu thuật đó. -
3:25 - 3:30Nếu được phẫu thuật hơn 15 phút
suốt ca mổ bốn tiếng thì đó là may mắn. -
3:30 - 3:34Và cô biết khi cô nhầm lẫn,
-
3:34 - 3:37anh ta sẽ bấm vào màn hình,
và cô sẽ lại chỉ đứng xem, -
3:37 - 3:42cảm giác như đứa trẻ ngốc nghếch
đứng trong góc phòng. -
3:42 - 3:45Như những nghiên cứu về robot
và các công trình trong tám năm qua, -
3:45 - 3:48tôi bắt đầu bằng một câu hỏi lớn:
-
3:48 - 3:51Làm thế nào để học cách làm việc
với thiết bị thông minh? -
3:51 - 3:57Để trả lời, tôi dành hai năm rưỡi quan sát
hàng tá bác sĩ nội trú và phẫu thuật, -
3:57 - 4:01thực hiện phẫu thuật truyền thống
và phẫn thuật robot, phỏng vấn họ -
4:01 - 4:04và nhìn chung, tiếp xúc với bác sĩ
nội trú khi họ đang học việc. -
4:04 - 4:08Tôi đi đến 18 bệnh viện Mỹ
dạy tốt nhất, -
4:08 - 4:10và câu chuyện là giống nhau.
-
4:10 - 4:13Hầu hết bác sĩ nội trú
đều ở trong trường hợp của Kristen. -
4:13 - 4:16Họ được quan sát rất nhiều,
-
4:16 - 4:18nhưng hiếm khi được làm.
-
4:18 - 4:21Họ không phải tự xoay sở
và vì thế, không học hỏi được gì. -
4:21 - 4:24Đó là tin quan trọng
với bác sĩ phẫu thuật -
4:24 - 4:26nhưng tôi cần biết
tình trạng này phổ biến đến mức nào: -
4:26 - 4:30Còn nơi nào khác đang sử dụng AI
làm cản trở việc học việc? -
4:30 - 4:34Để tìm hiểu, tôi liên hệ với một nhóm nhỏ
các nhà nghiên cứu trẻ đang lên, -
4:34 - 4:38những người mà đã thất bại
trong các ngành liên quan đến AI -
4:38 - 4:41ở nhiều lĩnh vực
như khởi nghiệp, chính trị -
4:41 - 4:44ngân hàng đầu tư
và giáo dục trực tuyến. -
4:44 - 4:50Giống như tôi, họ dành ít nhất một năm
và hàng trăm giờ đồng hồ để quan sát, -
4:50 - 4:55gặp mặt và thường làm việc
bên cạnh đối tượng nghiên cứu. -
4:55 - 4:58Chúng tôi chia sẻ dữ liệu,
và tôi tìm các kiểu mẫu. -
4:58 - 5:04Ngành nghề nào, công việc nào
thì câu chuyện về AI là như nhau. -
5:04 - 5:08Các tổ chức đang cố gắng từng ngày
để thu quả ngọt từ AI, -
5:08 - 5:12và họ đang tách người học
ra khỏi các công việc chuyên môn. -
5:12 - 5:16Những người điều hành start-up
thuê ngoài dịch vụ kết nối khách hàng. -
5:16 - 5:21Cảnh sát học cách dự báo tội phạm
mà không có sự trợ giúp của chuyên gia. -
5:21 - 5:25Các nhân viên tín dụng non trẻ
bị loại bỏ khỏi những phân tích phức tạp, -
5:25 - 5:29và các giáo sư phải tự mình
xây dựng những khoá học online. -
5:29 - 5:33Và kết quả của những việc làm này
giống như trong ngành phẫu thuật. -
5:33 - 5:36Việc học hỏi từ việc làm
ngày càng trở nên khó khăn. -
5:36 - 5:40Điều này không thể kéo dài.
-
5:40 - 5:44McKinsey ước tính khoảng nửa tỉ
tới một tỉ người trong số chúng ta -
5:44 - 5:49phải thích nghi với AI
trong công việc hằng ngày vào năm 2030 -
5:49 - 5:51Phải thừa nhận,
việc học hỏi từ việc làm -
5:51 - 5:54sẽ còn tồn tại
nếu ta còn cố gắng. -
5:54 - 5:58Khảo sát ở công nhân mới ở Accenture
cho thấy hầu hết họ học kĩ năng mấu chốt -
5:58 - 6:01từ công việc, không phải từ
việc đào tạo chính thống. -
6:01 - 6:05Nên trong khi ta nói nhiều
về ảnh hưởng tiềm tàng trong tương lai, -
6:05 - 6:09điều quan trọng nhất hiện giờ
về AI -
6:09 - 6:13chính là cách ta dùng nó
gây cản trở việc học việc -
6:13 - 6:16khi ta cần nó nhất.
-
6:16 - 6:24Ở nhiều khu vực, một thiểu số nhỏ
đã tìm ra được cách để tiếp tục học hỏi. -
6:24 - 6:27Họ học bằng cách phá vỡ
và bẻ gãy quy tắc. -
6:27 - 6:32Cách thông thường không hiệu quả,
nên họ phá vỡ và bẻ gãy quy tắc -
6:32 - 6:34để được thực hành với các chuyên gia.
-
6:34 - 6:40Ở nơi tôi, các bác sĩ nội trú
xem việc thực hành phẫu thuật robot -
6:40 - 6:44như chương trình học cơ bản.
-
6:44 - 6:50Họ dành ra thêm hàng giờ với giả lập
và đoạn ghi hình ca phẫu thuật, -
6:50 - 6:54thay vì học trong trong phẫu thuật.
-
6:54 - 6:58Và có thể là quan trọng nhất,
họ tìm ra cách để chật vật thực hành -
6:58 - 7:02với ít sự giám sát chuyên môn.
-
7:02 - 7:06Tôi gọi đó là "học trong bóng tối"
vì nó phá vỡ tất cả các quy tắc -
7:06 - 7:10và người học
thực hiện nó một cách thầm lặng. -
7:10 - 7:14Và mọi người đều lờ đi
vì nó mang lại kết quả. -
7:14 - 7:18Nên nhớ, đây là nhóm các học sinh ưu tú.
-
7:18 - 7:21Rõ ràng, việc này không ổn
và không vững bền. -
7:21 - 7:24Không ai phải đánh liều
để được học hỏi, -
7:24 - 7:27để tiếp thu các kĩ năng
cần trong công việc. -
7:27 - 7:30Nhưng ta cần học
từ những người này -
7:30 - 7:33Họ bất chấp rủi ro để học.
-
7:33 - 7:37Họ hiểu họ cần phải bảo vệ
sự chật vật và thách thức trong công việc -
7:37 - 7:40để thúc đẩy bản thân
xử lí các vấn đề khó -
7:40 - 7:43ở vùng tiệm cận
với khả năng hiểu biết của mình. -
7:43 - 7:46Họ cũng đảm bảo
có một chuyên gia kề cận -
7:46 - 7:49để đưa ra gợi ý và ngăn chặn hậu quả.
-
7:49 - 7:53Hãy xây dựng sự kết hợp giữa
sự đấu tranh và sự giúp đỡ chuyên môn -
7:53 - 7:56trong mỗi lần làm với trí tuệ nhân tạo.
-
7:56 - 8:00Đây là một ví dụ rõ ràng
tôi có thể đưa ra về vấn đề này. -
8:00 - 8:02Trước khi robot xuất hiện,
-
8:02 - 8:04nếu là người xử lí chất nổ,
-
8:04 - 8:07bạn giải quyết thiết bị nổ tự tạo
bằng cách đến gần nó. -
8:07 - 8:10Một nhân viên trẻ
đứng cách đó hàng trăm mét, -
8:10 - 8:13chỉ có thể quan sát và giúp đỡ
khi được phép, -
8:13 - 8:16khi bạn cảm thấy an toàn
để họ xử lí cùng. -
8:16 - 8:19Bây giờ, bạn ngồi cạnh anh ta
trong xe tải thử bom. -
8:19 - 8:22Cả hai vừa xem các video.
-
8:22 - 8:25Họ điều khiển robot từ xa,
và bạn chỉ dẫn cho họ thành tiếng. -
8:25 - 8:29Những thực tập sinh học tốt hơn
so với thời chưa có robot. -
8:29 - 8:33Chúng ta có thể mở rộng việc này
sang phẫu thuật, khởi nghiệp, cảnh sát, -
8:33 - 8:36đầu tư ngân hàng, giáo dục online
và hơn thế nữa. -
8:36 - 8:40Tin tốt là chúng ta có công cụ mới
để làm điều này. -
8:40 - 8:42Internet và đám mây cho phép ta
-
8:42 - 8:45không phải lúc nào cũng cần
một kèm một, -
8:45 - 8:49phải ở gần bên nhau,
hoặc thậm chí phải trong cùng một tổ chức. -
8:49 - 8:53Và chúng ta có thể tạo ra AI để giúp họ:
-
8:53 - 8:58hướng dẫn học viên khi họ chật vậy,
huấn luyện chuyên gia khi họ huấn luyện -
8:58 - 9:03và kết nối hai nhóm này
một cách thông minh. -
9:03 - 9:06Đã có những người đang làm việc
trên các hệ thống như vậy, -
9:06 - 9:09nhưng hầu hết tập trung vào
sự đào tạo thông thường. -
9:09 - 9:12Trong khi học việc mới là lĩnh vực
gặp khủng hoảng lớn hơn. -
9:12 - 9:15Chúng ta phải làm tốt hơn.
-
9:15 - 9:18Vấn đề hiện nay
yêu cầu ta làm tốt hơn -
9:18 - 9:23để tạo ra công việc vừa tận dụng hết
khả năng tuyệt vời của AI -
9:23 - 9:26vừa giúp ta cải thiện các kĩ năng
khi thực hiện công việc. -
9:26 - 9:29Đó là tương lai
mà tôi mơ ước khi còn là một đứa trẻ. -
9:29 - 9:32Và bây giờ là lúc để thực hiện nó.
-
9:32 - 9:34Xin cảm ơn.
-
9:34 - 9:37(Vỗ tay)
- Title:
- Học cách làm việc với thiết bị thông minh
- Speaker:
- Matt Beane
- Description:
-
Con đường đạt tới kỹ năng gần như là như nhau suốt hàng ngàn năm qua, trên khắp thế giới: rèn luyện với chuyên gia, thực hiện những phần nhỏ và dễ trước khi chuyển sang những việc nguy hiểm, khó khăn hơn. Thế nhưng, cách ta sử dụng trí tuệ nhân tạo (AI) hiện nay đang làm cản trở con đường đó - ta hy sinh việc học hỏi để theo đuổi năng suất - nhà nghiên cứu về dân tộc học trong tổ chức Matt Beane phát biểu. Vậy giải pháp là gì? Beane chia sẻ một tầm nhìn mang tính cách mạng: dùng máy móc để tăng cường và phân bổ kiến thức, vừa tận dụng được tối đa khả năng tuyệt vời của AI vừa giúp con người trau dồi kỹ năng.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 09:50
Nhu PHAM approved Vietnamese subtitles for How do we learn to work with intelligent machines? | ||
Nhu PHAM edited Vietnamese subtitles for How do we learn to work with intelligent machines? | ||
Nhu PHAM edited Vietnamese subtitles for How do we learn to work with intelligent machines? | ||
Nhu PHAM edited Vietnamese subtitles for How do we learn to work with intelligent machines? | ||
Nhu PHAM edited Vietnamese subtitles for How do we learn to work with intelligent machines? | ||
Nhu PHAM edited Vietnamese subtitles for How do we learn to work with intelligent machines? | ||
Nhu PHAM edited Vietnamese subtitles for How do we learn to work with intelligent machines? | ||
Nhu PHAM edited Vietnamese subtitles for How do we learn to work with intelligent machines? |