0:04 Xin chào tất cả anh em. Hiện nay với sự bùng nổ của dữ liệu và bùng nổ của VI. Ai cũng nói về AI về AI agent hay Agentic AI thì chúng ta có một cái bẫy rất là kinh khủng khiếp đó là cái bẫy liên quan đến dữ liệu. Nếu như anh em mình hay để ý thì các bạn có thể thấy chúng ta có thói quen khi chúng ta loot web truy cập các mạng xã hội, chúng ta sẽ có rất nhiều thứ muốn lưu về. Có thể một video nào đấy có thể là một cái bài viết đó hãy lưu mấy chục cái prom hay là mấy chục cái skill rất là hiệu quả. Aent hãy lưu vào đi. Chúng ta có thói quen cứ lưu lại, cứ tích chữ lại. Nhưng mà sự thật đó là tất cả những cái vấn đề chúng ta lưu lại rất ít khi chúng ta sẽ xem lại nó. Thì vô hình chung anh em hãy tưởng tượng chúng ta sẽ tích trữ rất nhiều đống một đống dữ liệu tùm lum ở trên Facebook này, ở trên TikTok của
0:50 mình, ở trên các file các sách phở. Chúng ta đọc trên mạng thấy hay quá tải về chóng giờ xem. Vậy thì có một cái điều chúng ta mới hỏi ra ở đây là vậy làm thế nào để đống dữ liệu đấy nó có hiệu quả? Làm thế nào để biến đống dữ liệu đấy trở thành một thứ có thể suy nghĩ được và hành động được? Đây chính là chủ đề mà chúng ta sẽ cùng bàn luận với nhau hôm nay. Làm thế nào bạn có thể kết hợp aentic AI kết hợp với những cái khối dữ liệu hay người ta có thể gọi với thuật ngữ nó xịn sò hơn nó gọi là cái bộ não thứ hai hay second brain của bạn. Làm thế nào chúng ta làm điều đấy? Được chưa? Tư tưởng là gì? Ờ cái bản chất là gì? Cộng với cái giải pháp cụ thể ở đây là gì? Chúng ta sẽ cùng nhau bàn luận trong buổi hôm nay nhá. Thì tôi đã vừa trình bày cho các bạn cái bẫy của việc lưu trữ dữ liệu rồi. Và bây giờ tôi sẽ chia sẻ với anh em đó là nghịch lý của sự ghi nhớ. Thì cái việc tư tưởng để
1:36 chúng ta có khả năng ghi nhớ được nhiều thứ hơn, có cái năng lực vượt xa hơn cái việc mà chúng ta cứ nhớ bằng não của mình thì nó có từ rất lâu rồi. Nó có từ những năm m ở 1960 đã có những người họ cụ thể hóa được cái công việc đấy an em. Kinh điển nhất chúng ta có thể kể đến Nicholas Lman vào những năm 1960. Ông là một người rất nổi tiếng và ông có một cái phương pháp ghi nhớ nó cực kỳ hiệu quả. Ông này là một người đã viết ra hơn 70 cuốn sách và khoảng 400 bài báo học thuật về đủ các thể loại từ luật này, kinh tế, chính trị, tôn giáo, truyền thông hay là về tình yêu thì ông ấy làm thế nào ông ấy viết được nhiều như thế mà có có sự hiệu quả như vậy? thì ông chia sẻ là cái kỹ thuật ông ấy dùng gọi là phương pháp ghi chú hộp giấy hay gọi cái tên thuật ngữ
2:21 của ông ấy tiếng Đức nó hơi khủng khoảng tôi không phát âm được cái ông này. Đấy phương pháp ghi chú hộp giấy nghĩa là thế nào? Nghĩa là thay vì ông ấy ghi chú theo dạng ờ viết theo đầu mục và cứ sắp xếp nhau giống như em sắp xếp folder ấy nào là có quy tắc đúng không? Ông ấy quy tắc của ông ấy hơi linh hoạt một tí anh em mới nhìn này. Đây đây là cái hình dùng kiểu hộp giấy của ông ấy. Đấy ông ấy có 90.000 nhìn thẻ ờ thẻ thẻ gọi là thẻ chỉ mục hay gọi là thẻ index cho cái nghiên cứu của mình. Và ông ấy bảo là dựa vào cái việc ghi chú này ông ấy có thể tổng hợp và ông ấy sáng tạo được rất nhiều những nội dung và chất lượng. Tóm lại thì cái phương pháp của ông ấy thì ông có một cái bài báo nhá. Bài báo ông viết bằng ờ bài báo ông viết về cách ông ấy tương tác và ông sáng tạo thì cách thức là như sau. thì ông ấy không đánh cái dữ liệu của ông theo một cái sự
3:07 cố định nào hết mà ông sẽ có thự tham chiếu chéo. Tức là ông có nhiều cái mẩu ghi chú khác nhau nhưng những cái mẩu ghi chú đấy nó sẽ có phần tham chiếu dữ liệu đến nhau. Nó giống như cái phần hồi xưa thì các bác ấy viết bằng giấy. Bây giờ bác không có. Bây giờ chúng ta có phần link đúng không? Kích vào link này thì nhảy sang bài viết khác. Đấy và mục tiêu của ông ấy là gì? Mục tiêu tạo ra một cái cấu trúc phi tuyến tính. Tức là các cấu trúc này thì cho phép những ý tưởng mới nó tự nảy sinh thông qua những cái mối liên kết bất ngờ và sự ngẫu nhiên giữa các màu tin lẻ tẻ. Thay vì để những màu tin mà nó rời dạc ở trên mẩu ghi chú thì bây giờ nó có phần ghi nó phần kết nối tham chiếu với nhau. Là như vậy. Và điều tuyệt vời ấy thì ông sử dụng cách thức này ông ấy tăng cường được sự sáng tạo và giúp cho ông ấy vượt qua được giới hạn của việc trí nhớ thuần
3:52 túy. Thì đây là cá những cái cách thức ông ấy viết này. Anh em thấy không? Đây tôi ví dụ cho ông ấy anh em tôi có một cái cả một cái bài bài viết rất là chi tiết về cách ghi chú của bác ơi. Đấy anh em cần có thể xem đây nhá. Giới thiệu cái cách thức ghi chú này. Đấy bên dưới này có mô tả cách thức này. Lý giải kiểu này tôi ví dụ cho anh em này. À thay vì ông ấy ông sẽ ghi chú từng cái nội dung chính được chưa? đầu mục 23 này. Sau đó thì ông ấy có phát sinh một cái ghi chú mới thuộc với cái đầu mục nào đấy thì ông sẽ gắn vào đây 1 này. 1a này. Đấy anh em có thể đọc chi tiết vào đây để biết nhá. Đấy chung quy lại sau khi chúng ta viết theo cái cách thức đấy thì một cái mẩu ghi chú của ông ấy sẽ gồm như thế này. Nó có phần đầu tiên là cái mã ghi chú.
4:38 Đấy nó giống như database. Chúng ta có cái mã định danh ở đây. Mã ghi chú này chúng ta có những cái thẻ đấy từ ờ đợt đấy ông nóã nghĩ ra chúng ta phải dùng cái thẻ để cho nó sắp xếp. Và trong cái phần nội dung không ấy thì nó sẽ có cái phần kết nối đến những cái mã khác của cái bài viết khác. Anh em thấy không? Đây cần link này. Đấy để mỗi lần ông đọc ông biết là à cái nội dung này nó có thể đọc bổ sung nó ở một cái bài viết nào đấy. Đấy ở bên dưới đây phần tham chiếu đến đâu? Đây là tư tưởng viết của ông ấy và ông ấy sắp xếp lại thì đây là cái tư tưởng để ông tổng hợp cái dữ liệu cho hiệu quả. Và sau đấy một thời gian sau thì chúng ta lại có gọi là mới hơn những năm gần đây thì có mới hơn có Thiago Forte này là ông ấy có một cái ông ấy có một quyển sách rất là nổi tiếng đó là xây dựng một
5:25 cái bộ não thứ hai và ông ấy đưa ra một cái cấu trúc để tổng hợp thông tin tổng hợp dữ liệu thì gọi cấu trúc para tức là dữ liệu khi chúng ta thu về thì chúng ta sẽ chia nó ra thành nhiều nhóm ví dụ project này lĩnh vực nào này tài nguyên gì này sau không dùng thì chúng ta đưa mục account này. Đấy. Ờ tức là các các bác khác nhau thì các bác ấy có cái cách thức lưu trữ thông tin khác nhau để cho hiệu quả. Được chưa ạ? Đấy thì hai bác này mỗi bác có một cái kiểu phong cách khác nhau nhưng đều tư tưởng là làm sao chúng ta thể xây dựng được ờ được phần bộ não thứ hai của mình, gắn kết các tri thức ở bên ngoài và gắn kết với nhau. Tuy nhiên chúng ta cần phải hiểu rõ là bản chất của cái sự hiệu quả nó đến từ đâu. Có phải là chúng ta cứ lưu thật nhiều về, cứ phân chia dữ liệu ra thì tự khắc nó hiệu quả không?
6:11 chia sẻ với anh em thì theo góc nhìn của tôi ấy thì với từ duy của một người thiết kế những hệ thống chẳng hạn thì có những hai thứ tạo hiệu quả. Hiệu quả đây đến từ việc là lưu chữ tốt. Ok. Ờ các phương pháp phương pháp kia là phương pháp để lưu chữ tốt nhưng mà nó để chúng ta có thể sử dụng trong thực tế thì nó cần phải có một cái điều nữa là làm sao chúng ta lấy nó hiệu quả được và hành động được. Nếu chúng ta chỉ dừng ở mức lưu chữ tốt mà không lấy ra được hoặc lấy ra được mà không có hành động được thì là vô nghĩa đúng không ạ? thì kết quả cuối cùng đo bằng cái hành động của mình, cái chất lượng, cái gia quyết định của mình hoặc cái công việc thực hiện đúng không ạ? Thì chúng ta phải đạt được cả hai bố này thì mới thành công. Và sự thật là gì? Thì sự thật là đôi khi cái công sức mình đi tìm lại nội dung đã lưu ấy còn nhục hơn và vất vả hơn cái việc đi tìm mới. Đặc biệt là trong thời điểm
6:57 hiện nay khi chúng ta đã có rất nhiều cái công cụ AI hỗ trợ thậm chí chúng ta định giải quyết bài toán đó chúng ta chưa chắc đã phải tìm lại tài liệu đâu mà đôi khi chúng ta đưa lên ví dụ đưa lên chat GPT đưa lên clot hoặc là đưa lên gemini chúng ta hỏi luôn khi ra đáp án luôn đấy. Thế thì chúng ta phải cân đối ra hai việc này. Và tại đây chúng ta mới, tôi mới đặt câu hỏi vậy. Tại sao cái bộ não sinh học của chúng ta lại cực kỳ mạnh, rất rất mạnh. Nó mạnh không chỉ việc nó lưu trữ đâu anh em. Đấy nó bởi vì bản chất nó không chỉ việc để ghi nhớ mà nó còn dùng để ra quyết định hành động. Tôi ví dụ với anh em khi mà nó nhìn thấy đôi khi ra quyết định dạng vô thức luôn. Đấy anh em có thể nói như phản xạ chẳng hạn. Khi anh em mình đang đi chúng ta thấy một cái xe
7:43 lao đến chẳng hạn đôi khi chúng ta phản xạ chúng ta tránh luôn. Chúng ta biết rằng cái thông tin phía trước là cái xe. Chúng ta biết là thông tin chúng ta từng nhớ à cái xe này thì nó có nguy hiểm thế nào và chúng ta ra quyết định ngay lập tức rất nhanh chóng. Thì đây là sự khác biệt của cái bộ não sinh học của chúng ta so cái việc mà chúng ta thiết kế một cái công nghệ nào đó hay là những hai cái thiết kế của hai người tôi vừa giới thiệu lúc nãy đúng chưa ạ? Mặc dù họ có cách mà bố trí lưu trữ là tốt nhưng mà nó không hành động được nó không ra quyết định được. Tại đây chúng ta có một câu hỏi rất là thú vị. Đó là chuyện gì xảy ra nếu chúng ta đưa khả năng hành động cho cái đống dữ liệu, đống quy chú đấy. Được chưa? Chúng ta đã có bộ não thứ hai đã được sắp xếp, đã có những cái nhà khoa học, có những người đi trước họ chia sẻ cách sắp xếp dữ liệu ok.
8:29 Nhưng mà chuyện gì ra nếu chúng ta đưa cái đống đấy có khả năng hành động. Và lúc này nó không phải là second brain, tức là bộ não thứ hai nữa. Nó có thể gọi là agenic second brain. Tức là bộ não nó có khả năng suy luận, có khả năng hành động. Nếu dữ liệu ở kia nó chỉ dừng lại đây thì nó không suy luận, nó không ảnh động được. Ok. Vậy làm sao chúng ta làm điều đấy và điều đấy có khả thi không? Ở những năm tháng trước đây trước khi có sự bùng nổ vi thì điều đấy không khả thi đúng không ạ? Thì chúng ta thuần túy chỉ lưu chữ thôi. Nhưng bây giờ điều này hoàn toàn khả thi. Anh em chúng ta có thể kết hợp giữa aentic AI cộng với second brain. Tức là cái việc mà chúng ta lưu trữ tổ chức những cái dữ liệu của mình. Asientic AI nó là thể hiện việc AI có thể hành động nhưng mà nếu chỉ để ông AI có thể hành động một cách bình thường
9:14 thì nó thiếu gì ạ? Nó thiếu dữ liệu. Bởi vì nếu như anh em chỉ dùng những cái AI tool AI một cách mặc định ví dụ anh em có thể dùng clot chẳng hạn, anh em dùng clot cor, clot code hoặc anh em mình có thể sử dụng bất kỳ công cụ AI nào nhưng nó không có sự khác biệt bởi vì nó không có dữ liệu của anh em mình được chưa? Vì ông nào ông cũng down với tool đấy không có sự khác biệt. Thì dữ liệu sự kết hợp này tạo ra sự vừa có sự khác biệt là có cái bộ não của riêng mình, dữ liệu của riêng mình vừa có sự kết quả hiệu quả. Vì acentic là hành động được. Và làm sao điều này thì có thể bởi vì nó có ba yếu tố anh em. Thứ nhất là nó ghi nhớ được. Nó ghi nhớ được. Ghi nhớ bởi vì nó có dữ liệu. Dữ liệu thông thường bình thường một cái thằng AI bình thường này thì nó được
10:02 thiết kế để nó không nhớ lâu. Tức là anh em hãy hình dung này, cái bộ não đằng sau của cái ông của cái ông các tất cả AI ấy nó gọi là bộ não gọi là tức là mô hình ngôn ngữ lớn. Cái mô hình ngôn ngữ lớn đấy thì bản thân nó nó không có khả năng lưu ghi nhớ lâu dài. Và chúng ta muốn nó ghi nhớ lâu dài chúng ta phải ghi nó ra một cái loại dữ liệu bên ngoài để nó nhớ. Nó có thể là một loại là vecor database được chưa ạ? Hoặc là nó có thể là một loại file hoặc loại dữ liệu nào đó để nó nhớ trung quy là lưu ra bên ngoài nó nhớ được chư ạ. Ờ và nó có khả năng suy luận. Các ông AI bây giờ thì nó có khả năng suy luận kể cả những cái ông AI mà gọi LM tức là anh em mình đang trả tiền cho các hãng được chưa? Mô hình ngôn ngữ lớn rất nhiều hãng và anh em mình đang dùng hiện tại đó là LOM. Ví
10:48 dụ anh em mình đang dùng các mô hình GPT của hãng Open AI đúng không? Gần đây có G CPT 5.5 hay là OP thì có opus 4.7 của Antropic. Những mô hình ngôn ngữ lớn thì chúng ta chúng ta trả tiền đúng không? Thậm chí chúng ta hoàn toàn có thể sử dụng gọi là small language model là những mô hình ngôn ngữ nhỏ nó chạy ở trên các máy local tức là trên cái máy máy phần cứng mà các bạn mua về nhà của bạn chẳng hạn các bạn mua về công ty của các bạn. Các bạn có thể triển khai cái mô hình này và sau đó các bạn chạy cái mô hình này, mô hình SLM này và các bạn không cần tốn tiền. Được chưa ạ? LM là bạn tốn tiền mà SLM là bạn không tốn tiền. Sau mỗi lần bạn chạy bạn hỏi đáp với nó, bạn chỉ cần đầu tư phần cứng và cài đặt một lần thôi. Và tôi đã có một cái video để giải thích sự khác biệt giữa LM và SLM này rồi. Các bạn có thể
11:35 xem lại cái nội dung của video đấy của tôi nếu cần. Như vậy tại đây nó suy nhớ nó nhớ được rồi. Nó suy luận. Suy luận tức là gì? Tức là khi các bạn ra một yêu cầu cho nó và nó có thể lập luận được. Vậy tôi cần làm bao nhiêu bước để đạt cái mục tiêu đấy. Được chưa ạ? Ví dụ tôi có một cái kho dữ liệu liên quan đến tôi tôiẽ đã xây dựng bản thân tôi đã xây dựng một cái bộ não thứ hai và kết hợp cho một cái trợ lý gọi là super agent của công ty tôi. Thì tại đây nó lưu thông tin liên quan đến lịch làm việc này, liên quan đến các kiến thức của tôi, liên quan đến các khách hàng của tôi, các vấn đề về khảo sát thị trường về rất nhiều thứ. Bây giờ tôi có thể bảo nó là lập cho tôi một cái kế hoạch, lập cho tôi một cái kế hoạch để giúp tôi thực hiện thực hiện một cái dự án nó hoàn toàn có thể kiểm tra được nó lập luận nó kiểm tra được à dự án ông này ông ấy đang muốn nói là dự án khách hàng nào làm cái tiến độ đến đâu rồi nó đang
12:22 tắc ở đâu tắc đấy thì cần phải thực hiện cái phương án gì đấy nó có thể suy luận được và nó hành động được tất cả cái ông bây giờ ấy nó có thể gắn vào các tool khác nhau nó có thể vào web để search web nó có thể chọc vào làm việc với các file anh Excel này, Doc này, PowerPoint này nó có thể thực hiện chọc vào các tool của mình. Ví dụ anh em có các hệ thống về dữ liệu về khách hàng C chẳng hạn. Đấy, nó có thể chọc vào dữ liệu thực hiện hành động. Như vậy nó làm được combo tất cả mọi thứ. Thì thông thường ấy cái vấn đề mà ờ cái ông AI nếu để nguyên ông A tích AI này nó có vấn đề đó là mỗi lần hỏi của nó bây giờ thườ bình thường chúng ta nhá chúng ta cứ hỏi nó một câu thì thông thường AI sẽ cần tiêu tốn tài nguyên để
13:07 xử lý cái câu cái câu hỏi chúng ta và tạo ra câu trả lời nhưng mà nó không lưu lại chúng tức là rất là tốn kém mà nếu anh em mình sử dụng cái này thì cứ phải mỗi lần anh em hỏi chúng ta đều tốn tiền được chưa ạ thông thường các bạn sử dụng các gói mà gói đăng ký Thì theo tháng thì các bạn sẽ cảm nhận là bạn sẽ phải có một cái rate limit. Nếu bạn dùng con clot nó gì bạn sẽ có rate limit tức là giới hạn bạn hỏi bao nhiêu lần trong vòng khoảng 5 tiếng. Còn nếu mà anh em mình sử dụng ở có doanh nghiệp ấy thì ở doanh nghiệp thì họ phải gọi có app có cái ứng dụng gọi chạy thì họ phải trả tiền theo token. Tức là trả tiền theo từng lần gọi nhưng mà kết quả lại không lưu lại nó quá lãng phí luôn. Đấy thì ở đây nó có một cái phương án. Phương án đây là có một cái người nó có phương án là vậy tại sao chúng ta không không cách thức nào tổng hợp trước để lần sau mà tao hỏi thì nó nó lưu lại nó trả lời tao
13:54 với những cái câu cái câu thông tin mà chỉ hỏi là liên quan đến cái dữ liệu ờ cái dữ liệu cái kiến thức ở trong cái kho gọi là trí não ta thôi. Tư tưởng là vậy. Thì tư tưởng này nó giống với cái việc mà ông lập trình trước khi chạy ông biên dịch trước đi. Tức là ông chạy một cái lệnh ông biên dịch trước lần sau không phải mất thời gian ông biên dịch nữa. Đó. Vậy thì cụ thể ở đây thì làm như thế nào đây? Ok, hiểu tư tưởng rồi, hiểu nó có thể làm được rồi. Vậy thì làm như thế nào? Thì gần đây rất là nổi tiếng một cái bài chia sẻ, bài khoa học. Bài chia sẻ thực ra là bài bác ấy chia sẻ thôi chẳng phải là bài khoa học. Thì đây là đồng sóng lập của Open AI và trước là giám đốc cấp cao của Tesla. Ông bác Kati này đấy, bác có chia sẻ một cái gọi là LM wiki đấy. Và toàn bộ cái đây chỉ là một tư
14:40 tưởng, đây là cái tư tưởng để anh em mình có thể triển khai được một cái mô hình. Thực ra cái mô hình này thì phù hợp cho với những cái cá nhân hoặc là anh em mô hình làm nhỏ thôi, còn cho doanh nghiệp lớn chẳng hạn hoặc là tập đoàn thì nó không phù hợp. Chút tôi chia sẻ với anh em là tại sao là không phù hợp. Đây là một cách thức mà anh em có thể triển khai ờ một triển khai một cái gọi là bộ não thứ hai của mình một cách tiết kiệm và hiệu quả. Không cần dùng đến cái công nghệ xịn sò giống như là RAC này, Vector, Database bạn không cần phải dùng công xịn sò đấy. Bạn chỉ cần sử dụng những cái file dạng như file text viết dạng ma và nó lưu lại có cái chiến lược nó lưu lại để nó có thể tổng hợp được dữ liệu của mình đúng không ạ? Chi tiết anh em có thể xem vào đây. Đấy,
15:25 rất là ngắn rồi. Và về tư tưởng chung thì nó như thế này. Trên cái máy của mình bác sẽ tạo một số thư mục sau. Thứ nhất là thư mục RAW. Thư mục RAW này là gì? Thư mục RAW này để bất kỳ một điều gì trong quá trình mà anh em mình cho mình học, anh em mình làm, anh em mình thấy một dữ liệu nào đó anh em muốn lưu chữ thì chúng ta sẽ vứt vào đây. Ví dụ là các doc này. Được chưa? Ví dụ là các file PDF này. Ví dụ là một cái thông tin ở đây bạn viết hết vào đây. Tech bạn viết tất cả file raw. Cái file raw này nó sẽ phải nó sẽ sau đấy nó sẽ có một cái tiến trình là nó thực hiện bóc tách và xử lý nó được chưa? Sau đấy. Đây là file dữ liệu thô đi qua nên xử lý. Xử lý này nó sẽ bóc tách ra cái dữ liệu này thành các thành phần nó sẽ đọc và nó bóc tách ra thành các thành phần cũng là thành dạng file thôi. Cũng là dạng thành dạng file được chưaạ nhưng mà nó thể
16:12 hiện cứ mối liên kết với nhau. Chút nữa tôi cho anh xem cái mối liên kết này như thế nào. Thì lúc này cái file có mối liên kết thì nó sẽ đây nó sẽ và bác ấy dùng cái obsidian. Obsidian bạn có thể ví dụ nó là một cái ứng dụng bên trong đấy nó thể nó đây là tôi cho anh em xem cái gọi là nó hiển thị nó dễ nhìn lên thôi. Trong đây có rất nhiều những cái kiến thức chúng ta đã viết nó bóc tách từ cái file file raw chúng ta và sau đấy nó sẽ cho chúng ta biết là à cái kiến thức này nó có liên kết với nhau như thế nào thay vì nó được chạy một cách rời dạc thì bây giờ chúng ta có thể xem nó kiến thức này nó có sự liên kết với nhau. Đấy nó liên kết với nhau các kiến thức liên kết với nhau. Mỗi kiến thức này nó là một cái một cái trang được chưa? một cái page ở trong đây. Đấy, cái trang lưu giữ thông tin vào đây.
16:57 Đấy, anh em thấy không? File raw. Và toàn bộ cái hệ thống này nó sẽ có một cái file index. File index cũng là dạng text. Tất cả chỗ này dạng tex hết. Để sau này khi chúng ta bảo một con AI tìm kiếm thông tin cho tôi thì thay vì nó đọc tùm lum tất cả mọi thứ thì vào nó sẽ đọc file index này trước để nó giúp nó tìm kiếm cho nó nhanh. Được chưa ạ? Nhưng tại đây có một vấn đề là nếu chúng ta cứ thêm các file vào liên tục theo thời gian thì đôi khi chúng ta sẽ có những một số file nào mới mà file mới này nó sẽ chứa một cái tri thức nào đấy nó có thực hiện xung đột tri thức xung đột với cái file cũ này tức là cập nhật file cũ được chưa mà chúng ta cứ lưu cả hai này thì sau này mẹ nó dữ liệu nó bị lỗi mất hay sao thì bác mới đẻ ra một thứ là định kỳ tôi sẽ có một tiến trình là dọn dẹp
17:46 đấy dọn dẹp này nó sẽ là một Việc là nó đi già soát lại để nó kiểm tra xem có cái dữ liệu nào bị xung đột không, có cái dữ liệu nào cần phải cũ rồi hoặc là những dữ liệu nào nó không có sự kết nối không. Tức là nói chung là tư tưởng là định kỳ phải dọn dẹp, phải xử lý. Giống như khi chúng ta thu một đống dữ liệu vào ấy thì chúng ta định kỳ phải dọn dẹp cái thư mục lưu trữ của mình thì nó mới hiệu quả. Đấy, dọn dẹp. Và toàn bộ quy trình này sau khi chúng ta làm hệ thống này rồi thì cái bộ não LM của mình ấy, LM là cái bộ não của cái AI ấ nó chọc vào cái database này và nó chúng ta hỏi đáp vào đây thôi. Ok. Thì đấy là cái cách thức mà tư tưởng nó thực hiện. Ở đây có một số thứ mà anh
18:32 em có thể cần muốn ghi nhớ đó là trong quá trình chúng ta trao đổi này thì chúng ta hoàn toàn có thể bảo cái hệ thống này sẽ ờ hệ thống này sẽ lưu lại cái câu trả lời. Tức là cái wiki của chúng ta là cái bộ dữ liệu này nó có thể lưu được cả câu trả lời nữa thay vì nó chỉ lưu những cái dữ liệu từ hằng raw đúng không? Thì trong quá trình chúng ta làm việc chúng ta hỏi đáp với nó thì có những cái câu trả lời đáp án này chúng ta lại hoàn toàn thể lưu vào hệ thống. Như vậy nó sẽ càng ngày nó sẽ càng bồi đắp thêm cái dữ liệu cái hệ thống này càng ngày nó sẽ càng ngon. Càng ngày sẽ càng ngon. Được chưa? Đây là định kỳ hệ thống nó xử lý như tôi đã chia sẻ với anh em rồi. Và cái cách thức của bác này thì bác ấy đã giải quyết tôi nghĩ là bản chất ờ đề xuất này giải quyết cái thứ ngại nhất của chúng ta đó là gì? Đó là đa phần con người chúng ta cực kỳ lười
19:17 trong cái việc mà thực hiện. Bây giờ tôi có một file dữ liệu rồi. Làm sao tôi tóm tắt nội dung đấy để tôi viết vào cái hệ thống ghi chú tôi? Chúng ta rất lười. Có một hai file được nhưng mà để chúng ta làm kiên trì trong vòng nhiều năm từ đây về sau thì chúng ta không làm được. Chúng ta rất ngại cái việc mà thực viết là cái cái dữ liệu này nó có liên kết thế nào với dữ liệu trước kia. Đúng chưa ạ? Bạn mọi người còn nhớ cái cách thức của cái bác người Đức lúc nãy tôi nói đầu tiên không? Đây bác ấy rất là kỷ luật luôn đấy. Quá kỷ luật luôn. Viết ghi chú chi tiết ở cho từng file như thế nào. Họ làm quá kinh khủng khiết. Khủng khiếp. có 90.000 thẻ cơ mà. Mình thì không được kỷ luật như vậy. Tôi sẽ rất ngại việc lò dò xem các ông này liên kết như thế nào với nhau. Chúng ta rất ngại cái việc mà định kỳ chúng ta phải kiểm soát lại nội dung nào cũ rồi, nội dung nào mới,
20:03 nội dung nào không liên quan và chúng ta rất khó làm được cái sự kỷ luật đấy, nhất quán đấy. Loại bỏ rượu không chính xác, cực kỳ ngại luôn. Và bởi vì con người chúng ta rất ngại nên thông thường chúng ta tạo ra các phần dữ liệu mà gọi là ngon ấy thì không tạo được. Khi không tạo được dữ liệu ngon thì hiển nhiên AI lở, AI không ra quyết định được. Và cái chiến lược của của chiến lược ở đây ạ. Cái chiến lược LM H wiki này là gì ạ? Nó giúp chúng ta những điều ngại nhất thì vứt chỗ AI làm. Chúng ta chỉ cần vứt file thô vào trong hệ thống thôi và AI tóm tắt nội dung. AI thực hiện liên kết chéo nội dung với nhau. AI thực việc lưu trữ nội dung. AI sẽ thực hiện cái việc mà tự động già soát loại bỏ dữ liệu ờ dữ liệu nào mà đã cũ rồi. Dữ liệu nào mà nó không có liên kết nó tự động già soát loại bỏ. Và chúng ta sẽ chỉ tập trung vào những
20:49 điều đáng giá nhất đó là trong quá trình chúng ta đọc, chúng ta học, chúng ta làm, hãy tìm những nguồn giá trị muốn lưu trữ lại. Ok? Chúng ta sẽ tập trung phần chúng ta đặt câu hỏi đúng. Tức là khi có bộ não rồi làm sao khai thác? Chúng ta có dữ liệu làm sao chúng ta phân tích và chúng ta suy ngẫm về những gì chúng ta kết quả trả ra. Tức là chúng ta tập trung vào phần tư duy hai phần thôi. Chọn đúng nguồn phần ở giữa thì ai làm và sau đó thì lấy kết quả thì mình nghĩ gì? Đầu tư thế nào? mình làm hai ông đấy và cái chúng ta làm anh em có thể down một cái app gọi là gọi là đây app nữa này vào đây nhá làm rất dễ thôi anh em vào cái app ở obsidian này download về download chạy một phát là xong luôn nó cực kỳ dễ luôn ấn vào download vào đây tải bật lên xong ngay và toàn bộ cái file đấy là file dạng tex anh em có thể lưu nó trên trên máy của
21:36 mình trên máy tính cá nhân của mình được không được không ạ không phải trả phí đâu anh em và làm sao lưu chữ thì ở đây có một cái có cái mẹo lưu chữ anh em có thể có thể dùng nhá. Tôi ví dụ với anh em. Tôi ví dụ bây giờ anh em mình giả sử chúng ta đang đi đọc tài liệu ở trên mạng đi. Chúng ta gặp một cái tài liệu nó rất hay. Chúng ta muốn lưu chữ. Làm thế nào chúng ta lưu chữ nó cho nhanh. Chỉ các bạn cách lưu chữ nhanh thì các bạn cài thêm một cái ông này gọi là Obsidian Web Clipper. Đấy cài thêm bóc này nhá. Extension này nhá. Sau đó thì chúng ta có thể kích vào đây. Tôi có thể kích rất nhanh. Đấy thêm vào obsidian. Anh em thấy không? Chỉ một nút kích phát tôi thêm luôn vào obsidian. Tôi thêm ngay vào tài liệu của tôi. Đấy, kích phát là thêm ngay vào tài liệu luôn. Rất nhanh chóng anh em. Đấy, và khi anh em cài cái này này, cài không này. Kích vào đây, anh em ấn
22:23 vào phần setting cho tôi. Anh em ấn vào phần mặc định này. Ở phần mặc định này thì có phần vị trí ghi chú được chưa? Anh em có thể viết đây. Tôi tôi viết vào raw. Khi chúng ta viết phần raw này tức là mặc định khi chúng ta lưu phát nó sẽ lưu vào phần raw cho chúng ta. Các em nhìn nhá. Khi chúng ta lưu, tôi lưu thử lại cho anh em này. Tôi lưu này. Đấy, lưu thì nó sẽ vào phần raw cho anh em mình. Anh em thấy không? Phần trong phần lưu và phần raw này. Đấy, thì trong quá trình em mình làm anh em cứ lưu vào. Sau khi lưu này vào thì tự khắc nó sẽ thêm vào trong cái kho kiến thức của mình. Đây không? Tự khắc nó sẽ thêm vào kho kiến thức của mình. Đấy, đây trọ thành cái bộ não của mình. Đây là cách à làm nó nhanh chóng anh em. Và sau đấy chúng ta có thể làm điều gì ạ? Sau thấy đấy chúng ta có thể làm những thứ là
23:08 chúng ta có thể gắn cái việc bộ não này vào cái con agent khác nhau. Giống như tôi, tôi gắn vào một con trợ lý của tôi một con agent. Và con agent của tôi đơn giản thôi, tôi sẽ thiết kế cái hệ thống agent rồi và tôi sẽ chọc vào kênh là kênh Telegram. Và cái hệ thống agent của tôi nó hoạt động 24/7. Hệ thống 2/7 và tôi có thể tương tác và làm việc bất kỳ lúc nào. Tôi hỏi cái kiến thức kiến thức của tôi, khách hàng của tôi, các vấn đề của tôi bất kỳ lúc nào. Tôi thể ví dụ cho anh em xem nhá. Như đây tôi bảo là hãy cho tôi biết những nỗi đau về AT trong doanh nghiệp. Tức là tôi làm việc với rất nhiều doanh nghiệp và mỗi lần tôi đến doanh nghiệp của khách hàng của tôi thì tôi sẽ tôi sẽ trao đổi với khách hàng của tôi xem là hiện tại doanh nghiệp họ có vấn đề gì, nỗi đau gì được chưa ạ? Đấy thì tôi có thể lấy được tất cả thông tin này là từ cái dữ liệu tôi đã đưa cho nó rồi. Dữ liệu thô đưa vào tổng hợp. Ok. Và đây anh em thấy không?
23:55 Nó kết quả nó trả ra và nguồn ở đâu kích vào rất là rõ ràng. Ok. Thì đây là cách mà chúng tôi đang sử dụng ờ cái agenic AI cộng với second brain, tức là bộ não thứ hai ở trong doanh nghiệp của mình. Ok anh em, như vậy chúng ta đã hiểu được cái vấn đề gì để ra mà chúng ta cần phải sử dụng aentic kết hợp với cái việc ghi chú có dữ liệu. Được chưa ạ? Tại đây có một số cái tư duy tôi muốn đúc kết lại cho anh em để anh em mình ghi nhớ thôi. Hãy đầu tiên là tư duy về dài hạn. Dài hạn thì dữ liệu quan trọng hơn các công cụ. Nếu mà anh em có dữ liệu được chưa ạ? không quan trọng em dùng công cụ gì đâu. Nếu bạn có tổ chức dữ liệu đúng thì đây sẽ là lợi thế cạnh tranh của công ty anh em mình. Đây là lợi thế cạnh tranh của cá nhân anh em. Thì ờ bây giờ anh em có một cái có có cách thức để chúng ta có thể
24:40 thu thập những dữ liệu của bản thân mình hoặc những dữ liệu có giá trị mà mình và mình mà mình thấy trong quá trình mình học và trong mình làm. Được chưa ạ? Hãy có tư tưởng thu thập những cái dữ liệu đấy. Và một số cái góc nhìn của tôi nữa ờ về cái cách thức thiết kế gọi LM Wiki ờ mà tôi vừa chia sẻ lúc nãy. Thứ nhất đó là có một cái anh em cần phải hiểu đó là chúng ta đưa những dữ liệu thô vào t là những dữ liệu thô đó là những cái tài nguyên bản gốc chúng ta đưa vào và hệ thống sẽ tự động nó phân tích bóc tách cho mình đúng không? Bởi vì hệ thống tự động phân tích bóc tách nên chúng ta chỗ này nó có một nhược điểm ở đây các bạn phải biết nhìn đấy. Đó là tức là AI tự đưa ra quyết định là tự bóc tách nội dung gì có liên kết thế nào bởi vì nó tự bóc tách nên hoàn toàn có khả năng
25:26 là đúng hoặc khả năng sai. Được chưa ạ? Và nó cũng tùy thuộc cả vào cái phần cái phần mô hình bạn chọn vì nó có rất nhiều mô hình khác nhau. Mô hình đấy có thể là mô hình có năng lực nó thấp và mô hình năng lực nó cao. Mô hình đấy nó cũng sẽ ảnh hưởng đến kết quả đúng hay sai. Tức là chúng ta phải chúng ta đừng tin tưởng đúng 100%. Ý tôi là thế. Được chưa ạ? Và bởi vì vậy nên đôi khi chúng ta không bao giờ biết được trong dữ liệu của mình có thể bị thiếu gì. Nên trong quá trình nó nó tổng hợp có thể nó tự động tóm tắt lại. Vì bởi vì lý do nào đấy phần tóm tắt của nó có thể bỏ qua một số chi tiết quan trọng được chưa ạ? có thể là tỉ lệ nó thấp thôi được không ạ? Tuy nhiên chúng ta cần phải biết được cái nhược điểm của giải pháp này là gì. Ok. Cái thứ hai là cái cái giải pháp này nó cũng có nhược điểm anh em như tôi nói với anh em lúc nãy đấy thì nó phù hợp với những cái người dùng cá nhân. Tức là
26:13 gì? Chúng ta thể để một vài trăm một vài trăm cái tài liệu thì tôi nghĩ nó không vấn đề gì cả. Nhưng mà khi số lượng lớn lên thì nó sẽ ảnh hưởng hiệu năng. Bởi vì lúc này khi chúng ta ra quyết định thì cái thằng AI ấy nó phải là thực hiện là nó chọc vào cái file đấy. Mặc dù đã có trang index rồi nhưng khi này chuyện gì xảy ra khi cái trang index càng ngày càng dày lên, càng ngày càng dài ra thì nó phải quét gì ạ? Nó phải quét toàn bộ cái trang đấy. Nó phải quét thông tin trang đấy để nó tìm. Và cái quét thông tin đấy nó ảnh hưởng bởi hiệu năng và tốc độ đọc ghi ở ở đĩa ổ cứng của bạn. Được chưa ạ? Nên số lượng nó nhiều nó sẽ không nó không xử lý được. Đó thì đây là hai thứ mà anh em cần phải quan tâm, cần phải biết về điều đấy. Ok anh em. Như vậy trong buổi hôm nay thì anh em đã biết được cái cách thức mà chúng ta đã có thể tạo dựng được một cái bộ não thứ hai hoàn toàn khả thi và biết là dùng bộ
26:59 não đấy nó có thể hoạt động và hành động được. Ok anh em, hành trình Aentic AI này tôi tin rằng nó là một hành trình cực kỳ tiềm năng. Chưa có thời điểm nào mà chúng ta ở sát với thế giới ở cái việc mà chúng ta sử dụng công nghệ mà tiện cận với họ là như vậy. Mà cái công cụ gọi là công cụ cũng được về Asientic AI này nó có thể cho phép bạn làm nhiều hơn rất nhiều thứ trước đây. Bạn có quyền tác động được vào những cái thứ trước đây bạn không thể làm được. Bạn không thể nào trước đây bạn không ghi nhớ được. Bây giờ nó có thể giúp bạn ghi nhớ được. Nó có thể giúp bạn ra quyết định ở trên dữ liệu được. Nó có thể hành động được. Nếu bạn cũng nhìn thấy những tiềm năng như vậy giống như góc nhìn của tôi thì bạn hãy đầu tư cho AGI, hãy bắt đầu nghiên cứu về ATC AI. Ok anh em, hẹn gặp anh em ở các video tiếp theo. Xin chào anh em. M.
