Học AI Độc Lập: Sử Dụng ChatGPT và Công Cụ Khác

Trong suốt 13 năm qua, tôi đã làm việc trong lĩnh vực phát triển phần mềm và tôi có thể nói rằng phần thú vị nhất vẫn là đối mặt với các công nghệ mới. Nếu bạn cũng giống như tôi, bạn sẽ hiểu cảm giác: có thể làm việc với AWS, viết YAML, thảo luận về cơ sở hạ tầng học máy và thậm chí tìm hiểu về các cụm k8s, nhưng hiếm khi bạn cảm thấy mình là "Người Đặc Biệt" trong một lĩnh vực nào đó.

Để Trở Thành Chuyên Gia

Để đạt được điều đó, bạn cần phải sống và hít thở tài liệu. Cần phải "đổ mồ hôi với các API, gỡ lỗi những góc tối và tự mình hoàn thành dự án". Nhưng bí mật là bạn không thể giả vờ có chuyên môn. Bạn cần một nền tảng được xây dựng từ nỗ lực chân chính. Đối với tôi, sách và khóa học luôn là cánh cửa dẫn đến tri thức.

Cách Tiếp Cận Thú Vị

Nhưng có một vấn đề: rất dễ để tự lừa dối mình rằng bạn đã "thành thạo" một cuốn sách chỉ bằng cách đọc nó. Việc hấp thụ tài liệu kỹ thuật cốt lõi là một quá trình phức tạp — bạn cần để não bộ của mình nghiền ngẫm thông tin, tự kiểm tra, áp dụng và quay lại để tìm hiểu sâu hơn. Đọc thụ động? Giống như một ngày gian lận cho các tế bào thần kinh của bạn.

Gần đây, tôi đã đọc cuốn Architecting Data and Machine Learning Platforms. Tôi muốn "hít thở" tri thức — không chỉ lướt qua nó. Vì vậy, tôi đã áp dụng ba chiến thuật đã được chứng minh:

• Đọc một phần, gạch chân những điểm quan trọng, ghi lại những điều thiết yếu để xem lại nhanh chóng.
• Tóm tắt những điểm nổi bật ở cuối chương — giống như ghi chú riêng của bạn.
• Tìm một bạn học sẵn sàng thảo luận, thách thức quan điểm của tôi và chỉ ra những chương mà tác giả không rõ ràng.

Tuy nhiên, lần này tôi đã nâng cao thử thách và mời thêm một người hướng dẫn mới — Mô Hình Ngôn Ngữ Lớn (LLM).

Tại Sao LLM Là Giải Pháp?

Hãy tưởng tượng bạn đang tham gia một buổi hội thảo sau đại học. Bạn không chỉ đọc — giáo sư sẽ hỏi bạn về các khái niệm, đưa ra các bài kiểm tra bất ngờ và chỉ ra khi bạn có vẻ như đang lạc lối. Đó chính xác là điều tôi muốn. Tại sao không để một LLM thực hiện phần lớn công việc về kiểm tra, phản hồi và phân tích?

Vì vậy, tôi đã thử nghiệm. Sau mỗi chương, tôi đã cung cấp những ghi chú tốt nhất của mình cho hai cửa sổ AI khác nhau (gọi nó là "học tập kép"): một ChatGPT cho tốc độ, một cho sự kiên nhẫn (cảm ơn chế độ nghiên cứu sâu o3 pro). Có, tôi đã chi 200 đô la cho quyền truy cập sớm — vì nếu bạn không "đốt tiền" vào các đăng ký AI, liệu bạn có thực sự yêu thích việc học không?

Kết Quả Tuyệt Vời

Kết quả? Những bài kiểm tra cực kỳ hữu ích.

• Định dạng đa dạng.
• Các câu hỏi sâu sắc.
• Sự tinh tế bất ngờ.
• Phản hồi ngay lập tức mà không có sự xấu hổ “xin gặp tôi sau lớp học”.

Điều tốt nhất là, cảm giác không căng thẳng. Việc sai lầm thực sự rất tốt — vì LLM sẽ phân tích chính xác nơi tôi đã sai.

(Tôi biết, bạn sẽ nói: “LLMs có thể nhầm lẫn! Bạn chỉ đang bị lừa, Masud.” Hãy hoài nghi — tôi đã để lại các bài kiểm tra và ghi chú để bạn đánh giá dưới đây.)

Tại Sao Phương Pháp Này Hiệu Quả?

Tại sao điều này lại hiệu quả? Bí quyết là định hướng. Bằng cách chỉ cung cấp những ghi chú chương đã được chọn lọc của mình, LLM không thể đi lạc vào thơ ca mainframe hay tạo ra các từ viết tắt lượng tử. Muốn ít rác hơn? Cung cấp dữ liệu tốt hơn.

Tôi đã thực hiện thí nghiệm này trên ba nền tảng:

• GPT 4.5 và o3 pro deep research (thời kỳ đầu).
• Sau đó, Perplexity Pro (bởi vì tôi là người hoàn thành và có vẻ thích trả phí cho AI).
• Đôi khi, tôi thậm chí còn chồng chéo các đăng ký để xem giao diện AI nào khiến tôi căng thẳng hơn trong các bài kiểm tra.

Mẹo Chuyên Nghiệp

Mẹo chuyên nghiệp: Hãy làm điều này với bất kỳ mô hình nào gần đây — ChatGPT, GPT5, Claude Opus/Sonnet — công cụ không quan trọng bằng quy trình của bạn.

Hãy Thử Ngay!

Nếu bạn đang chuẩn bị cho một cuộc phỏng vấn xin việc, xây dựng kiến thức cho một dự án quan trọng, hoặc chỉ muốn nổi bật trong kênh Slack, quy trình này là vàng.

Hãy cung cấp ghi chú của bạn. Tạo các bài kiểm tra riêng. Để AI kiểm tra bạn cho đến khi kiến thức trở thành bản năng thứ hai.

Tôi rất muốn biết kết quả của bạn!
Nếu bạn thử điều này, hãy để lại một bình luận. Tôi muốn thấy những phương pháp bạn phát minh — và những câu hỏi nào khiến bạn đau đầu nhất.

Sẵn Sàng Để Xem Thí Nghiệm Thô?

Ghi chú và các bài kiểm tra: Kho lưu trữ GitHub

Đừng để ai đó nói rằng AI không thể dạy bạn điều gì mới — họ chỉ đang ảo tưởng.