Bạn muốn bước vào nghiên cứu AI nhưng không biết bắt đầu từ đâu? Cách khởi đầu khá đơn giản, là kết hợp đọc và xây dựng sản phẩm. Không thể chỉ làm một trong hai, bạn trở thành nhà nghiên cứu nhờ sự kết hợp đó. Có một câu thiền tông nói rằng: ngày thấy được insight thì ngồi, ngày không thấy được insight thì cũng ngồi. Nghiên cứu hoạt động gần như vậy. Các ý tưởng khoa học có thể xuất hiện ngẫu nhiên. Phần lớn các ngày sẽ không đến. Một phẩm chất quan trọng để thành công là dành thời gian và công sức. Giống như âm nhạc, thể thao hay bán hàng, nếu muốn đạt đẳng cấp thế giới, bạn cần kỷ luật rất lớn.
Đọc ít hơn, làm nhiều hơn
Một nhận xét liên quan là bạn có thể đọc quá nhiều bài báo. Nếu muốn giải quyết một vấn đề, cách đi đến thành công đã được kiểm chứng là thử một lời giải, kiểm tra nó, chạm tới một nút thắt rồi tìm cách gỡ, và chỉ tìm đến tài liệu khi bạn đã cạn ý tưởng của chính mình.
Nên học gì để không lạc hậu?
Nếu bạn mới bắt đầu, điều quan trọng không nằm ở chủ đề cụ thể. Tuy vậy, đừng chọn những thứ mới nổi chưa đầy sáu tháng. AI thay đổi rất nhanh, nhưng các ý tưởng nền tảng đã không đổi trong bốn mươi năm. Nếu muốn xây dựng sự nghiệp trong lĩnh vực này, đừng nghĩ quá nhiều về các khái niệm của năm 2026 như khung điều phối, tác tử hay kỹ thuật xây dựng ngữ cảnh. Bạn sẽ học được nhiều hơn bằng cách quay về nền tảng: hiểu entropy chéo là gì, tính nó bằng tay cho một phân phối nhỏ, hiểu sâu phân rã giá trị kỳ dị đến mức có thể hình dung nó trong đầu, và đừng nghĩ quá nhiều về học tăng cường cho riêng lập trình mà hãy học các ý tưởng đằng sau gradient chính sách, vì sao chúng hữu ích và vì sao chúng phổ biến suốt nhiều thập niên.
Một nhận xét bao quát hơn: nếu kết quả tốt nhất mà dự án nghiên cứu của bạn đạt được chỉ là điểm số cao hơn trên một chuẩn đánh giá hiện có, bạn chưa đi đủ sâu. Thường thì các bộ dữ liệu hiện có không kiểm tra được những năng lực mới, thú vị. Jason Wei nêu một điểm tương tự: một kỹ năng bị đánh giá thấp nhưng đôi khi quyết định thành bại trong nghiên cứu AI là khả năng tìm ra một bộ dữ liệu thực sự kiểm tra được phương pháp mới mà bạn đang làm.
