Bỏ qua tới nội dung chính

Trước khi có khoa học máy tính

Nhập môn khoa học máy tính: học cách nghĩ trước khi học máy

Khoa học máy tính là ngành gì, tư duy tính toán là gì: thuật toán, biểu diễn mọi thứ bằng bit, trừu tượng hóa, chi phí và giới hạn — cùng tấm bản đồ của cả lộ trình và nên bắt đầu từ đâu.

Ban biên tập OpenER

Cập nhật 09/11/2026 · 18 phút đọc · CC BY 4.0

Cuối tháng, chị kế toán của một công ty nhỏ mở 40 file Excel của 40 cửa hàng, chép từng con số sang một file tổng, cộng lại, rồi soát lại vì sợ chép nhầm. Mất hai ngày. Tháng sau làm lại y như vậy. Một người khác nhìn công việc đó và hỏi: các file có cùng mẫu không? Con số nằm ở ô nào? Nếu cùng mẫu, thì đây là một việc lặp lại 40 lần — và việc lặp lại là thứ máy làm giỏi nhất. Hai mươi dòng code, chạy mất vài giây, và không bao giờ chép nhầm.

Khác biệt giữa hai người không nằm ở chỗ ai gõ phím nhanh hơn. Người thứ hai nhìn công việc theo một cách khác: tách nó ra thành các bước, nhận ra phần lặp lại, bỏ qua chi tiết không quan trọng, và viết ra một quy trình đủ chính xác để giao cho máy. Cách nhìn đó có tên là tư duy tính toán (computational thinking), và khoa học máy tính (computer science) là ngành nghiên cứu nó một cách có hệ thống.

Môn Nhập môn khoa học máy tính (Introduction to Computing) là cánh cửa đầu tiên của lộ trình. Nó không dạy bạn trở thành chuyên gia ở việc gì cả. Nó cho bạn tấm bản đồ: ngành này hỏi những câu hỏi gì, những ý tưởng nào xuất hiện ở khắp nơi, và các môn sau trong lộ trình nằm ở đâu trên bản đồ đó.

Trước khi có khoa học máy tính

Trước khi "máy tính" là một cái máy, nó là một nghề. Chữ computer trong tiếng Anh từng có nghĩa là người tính toán: những người ngồi cả ngày làm phép nhân, phép chia bằng tay để lập bảng logarit, bảng lượng giác, bảng thủy triều, bảng bắn cho pháo binh. Một bảng số lớn cần cả một đội người tính, mỗi người làm một phần, rồi người khác soát lại. Sai một chữ số trong bảng hàng hải có thể đưa con tàu đi lệch hướng.

Khoa học máy tính ra đời từ nhu cầu làm những việc đó nhanh hơn và đúng hơn, qua nhiều bước:

  1. Máy hóa việc tính — thế kỷ XIX. Charles Babbage, khó chịu vì các bảng số in đầy lỗi, thiết kế những cỗ máy bánh răng để tính và in bảng tự động. Cuối thế kỷ, máy đọc bìa đục lỗ của Hollerith được dùng để kiểm đếm điều tra dân số Mỹ — câu chuyện đó có trong bài Cấu trúc dữ liệu và giải thuật.
  2. Định nghĩa thế nào là "tính được" — năm 1936, Alan Turing và Alonzo Church trả lời câu hỏi đó bằng toán học, trước cả khi có máy tính điện tử. Bài Lý thuyết tính toán kể chuyện này.
  3. Máy tính điện tử — thập niên 1940: những cỗ máy dùng bóng đèn điện tử, rồi ý tưởng lưu chương trình trong bộ nhớ như dữ liệu. Xem Cấu trúc tính toán và Lập trình.
  4. Thành một ngành học — năm 1953, Đại học Cambridge mở chương trình Diploma in Computer Science, thường được coi là khóa đào tạo khoa học máy tính đầu tiên. Năm 1962, Đại học Purdue lập khoa khoa học máy tính đầu tiên ở Mỹ. Năm 1967, ba nhà nghiên cứu Allen Newell, Alan Perlis và Herbert Simon viết một lá thư ngắn trên tạp chí Science để trả lời câu hỏi nhiều người còn nghi ngờ: khoa học máy tính có phải là một ngành khoa học thật không — câu trả lời của họ là có, và đối tượng của nó là máy tính cùng mọi hiện tượng xoay quanh nó.
  5. Thành kỹ năng của mọi người — năm 2006, Jeannette Wing viết bài luận Computational Thinking trên tạp chí Communications of the ACM, cho rằng tư duy tính toán là kỹ năng nền cho tất cả mọi người, như đọc, viết và làm tính — không chỉ cho người làm nghề máy tính. Từ đó nhiều nước đưa môn tin học, khoa học máy tính vào chương trình phổ thông.

Đặt cạnh nhau:

Không có khoa học máy tính
Có khoa học máy tính
Lập một bảng số lớn
Cả đội người tính nhiều tháng, vẫn có lỗi
Một chương trình chạy vài giây, đúng mọi lần
Một quy trình làm việc
Nằm trong đầu người làm lâu năm, mỗi người làm một kiểu
Viết ra thành từng bước rõ ràng, ai cũng làm theo được, máy cũng làm theo được
Thông tin
Chữ trên giấy, ảnh trên phim, tiếng trên băng — mỗi thứ một kiểu lưu
Tất cả là bit: lưu, chép, gửi đi, tìm kiếm bằng cùng một cách
Bài toán quá lớn
Bỏ cuộc, hoặc làm ước chừng
Biết trước nó lớn tới đâu, chọn cách giải hợp lý, hoặc biết chắc là không giải được
Người có ý tưởng
Cần cả một xưởng để làm thử
Một người với một chiếc máy tính làm thử được ngay

Ngày nay, ở rất nhiều nơi, công việc vẫn được làm như thể chưa có khoa học máy tính — không phải vì thiếu máy, mà vì thiếu cách nhìn. Chị kế toán ở đầu bài có máy tính, có Excel, nhưng vẫn làm như một "người tính" của thế kỷ XIX: chép tay, cộng tay, soát tay. Nhiều văn phòng, trường học, cửa hàng vẫn vận hành như vậy. Máy móc có sẵn; thứ còn thiếu là thói quen hỏi "việc này có quy trình không, quy trình đó có giao cho máy được không?".

Môn này trả lời câu hỏi gì

Nhập môn khoa học máy tính trả lời câu hỏi: tính toán là gì, máy tính làm được gì, và ta nên nghĩ thế nào để giao việc cho nó?

Câu hỏi đó tách ra thành vài câu nhỏ, và mỗi câu nhỏ là cả một nhánh của ngành:

  • Làm thế nào? — viết một quy trình giải bài toán: thuật toán, lập trình.
  • Lưu bằng gì? — biến chữ, số, ảnh, âm thanh thành thứ máy xử lý được: biểu diễn dữ liệu.
  • Máy chạy ra sao? — từ bit tới mạch, bộ xử lý, hệ điều hành, mạng.
  • Nhanh tới đâu, có giới hạn không? — chi phí của một cách giải, và những bài toán không cách nào giải được.
  • Dùng để làm gì? — web, cơ sở dữ liệu, an toàn thông tin, trí tuệ nhân tạo.

Vì sao cần một môn tổng quan, thay vì học ngay một ngôn ngữ lập trình? Vì người mới thường nhầm khoa học máy tính với biết dùng máy tính hoặc biết một ngôn ngữ. Lập trình là công cụ chính của ngành — có cả một bài riêng về nó ở Lập trình — nhưng ngành còn rộng hơn nhiều. Môn nhập môn giúp bạn thấy cả khu rừng trước khi đi vào từng cái cây, để khi học môn nào bạn cũng biết nó nằm ở đâu và vì sao cần nó.

Năm ý tưởng cốt lõi

1. Thuật toán: công thức nấu ăn cho một người làm theo từng chữ

Thuật toán (algorithm) là một dãy bước rõ ràng, làm theo đúng thì chắc chắn đi tới kết quả. Công thức nấu phở là một kiểu thuật toán — nhưng là thuật toán viết cho người, nên được phép mơ hồ: "nêm vừa ăn", "đun lửa nhỏ một lúc". Thuật toán cho máy thì không được mơ hồ chỗ nào: mỗi bước phải làm được, và phải biết khi nào dừng.

Thử trò chơi quen thuộc: một bạn nghĩ một số từ 1 đến 100, bạn đoán, bạn kia chỉ trả lời "lớn hơn", "nhỏ hơn" hoặc "đúng". Cách ngây thơ là đoán 1, 2, 3… — có khi mất 100 lần. Cách tốt hơn: luôn đoán số ở giữa khoảng còn lại, mỗi lần loại đi một nửa.

python
def so_lan_doan(n, bi_mat):
    """Đoán số từ 1 đến n, mỗi lần đoán số ở giữa khoảng còn lại."""
    thap, cao, lan = 1, n, 0
    while True:
        lan += 1
        doan = (thap + cao) // 2
        if doan == bi_mat:
            return lan
        if doan < bi_mat:
            thap = doan + 1       # "lớn hơn": bỏ nửa dưới
        else:
            cao = doan - 1        # "nhỏ hơn": bỏ nửa trên

print(max(so_lan_doan(100, x) for x in range(1, 101)))                # 7
print(max(so_lan_doan(1_000_000, x) for x in range(1, 1_000_001)))    # 20

Với 100 số, tệ nhất cũng chỉ cần 7 lần. Với một triệu số — gấp mười nghìn lần — chỉ cần 20 lần. Đó là sức mạnh của một thuật toán tốt: không phải máy nhanh hơn, mà cách làm khôn hơn. Ý tưởng "chia đôi" này có tên là tìm kiếm nhị phân (binary search), và bạn sẽ gặp lại nó trong Cấu trúc dữ liệu và giải thuật.

2. Mọi thứ đều là bit — nghĩa nằm ở cách đọc

Máy tính chỉ lưu được một loại thứ: bit, mỗi bit là 0 hoặc 1. Vậy mà nó lưu được con số, bài hát, bức ảnh, cuốn sách. Bí quyết là biểu diễn (representation): thỏa thuận với nhau một cách đổi mọi thứ thành dãy bit.

  • Số: viết ở hệ nhị phân (binary). Năm 2026 là 11111101010.
  • Chữ: mỗi ký tự được gán một con số theo bảng mã Unicode, rồi số đó được ghi thành một hoặc vài byte (8 bit) theo UTF-8. Chữ cái Latin cơ bản chỉ cần 1 byte; chữ "ở" của tiếng Việt cần 3 byte.
  • Ảnh: một lưới điểm ảnh (pixel), mỗi điểm là ba con số cho độ sáng của đỏ, xanh lá, xanh dương — màu đỏ thuần là (255, 0, 0).
  • Âm thanh: đo độ cao của sóng âm hàng chục nghìn lần mỗi giây, mỗi lần đo là một con số.
python
print(bin(2026))                       # 0b11111101010
print(list("Phở".encode("utf-8")))     # [80, 104, 225, 187, 159]
print(ord("A"), chr(65), bin(65))      # 65 A 0b1000001

Dòng cuối là điều quan trọng nhất: dãy bit 1000001 là số 65 hay chữ "A"? Tự nó không là gì cả. Nghĩa nằm ở chương trình đọc nó. Cùng một dãy byte, mở bằng trình xem ảnh thì ra ảnh, mở bằng trình soạn thảo văn bản thì ra một đống ký tự lạ. Hiểu điều này giải thích được rất nhiều chuyện hằng ngày: vì sao file gửi qua lại bị lỗi font, vì sao ảnh nén nhỏ đi mà vẫn nhìn được, vì sao mọi thứ — chữ, ảnh, phim — đều đi chung trên một sợi cáp mạng.

3. Trừu tượng hóa: giữ cái cần, bỏ cái thừa

Sơ đồ tuyến tàu điện ở ga không vẽ đúng tỷ lệ, không có tên phố, không có nhà cửa — chỉ có các ga, thứ tự của chúng và chỗ đổi tuyến. Nó "sai" so với thực tế, nhưng lại đúng hơn cho việc bạn cần làm: biết đi tuyến nào, xuống ga nào. Bỏ đi những chi tiết không liên quan để chỉ giữ cấu trúc cần thiết — đó là trừu tượng hóa (abstraction), ý tưởng xuất hiện ở mọi tầng của khoa học máy tính.

Trừu tượng hóa có hai mặt:

  • Mô hình hóa: biến một tình huống ngoài đời thành thứ máy làm việc được. Một lớp học, với máy, là một bảng: mỗi dòng một học sinh, mỗi cột một thông tin. Màu áo, giọng nói của các bạn bị bỏ qua — vì bài toán xếp lịch thi không cần.
  • Che giấu chi tiết: dùng một thứ mà không cần biết bên trong nó làm gì. Bạn gửi tin nhắn mà không cần biết tin được chia thành gói tin ra sao; ứng dụng nhắn tin cũng không cần biết điện thoại dùng bộ xử lý loại gì.

Nhờ trừu tượng hóa, con người xây được những hệ thống mà không ai hiểu hết từng chi tiết: một chiếc điện thoại có hàng tỷ transistor và hàng chục triệu dòng code. Mỗi người chỉ cần hiểu cho kỹ tầng của mình và lời hứa của tầng ngay dưới.

4. Chi phí và giới hạn: đúng thôi chưa đủ

Hai cách giải cùng đúng có thể khác nhau một trời một vực về thời gian. Ở trò đoán số, đó là 20 lần so với một triệu lần. Ở nhiều bài toán khác, khác biệt còn lớn hơn — lớn tới mức một cách giải "đúng" trở thành vô dụng.

Lấy ví dụ xếp chỗ ngồi cho một bàn tiệc cưới, sao cho không ai phải ngồi cạnh người mình không ưa. Cách "chắc ăn" là thử hết mọi cách xếp rồi chọn cách tốt nhất. Giả sử máy xét được một tỷ cách xếp mỗi giây:

python
from math import factorial

toc_do = 1_000_000_000                 # xét một tỷ cách xếp mỗi giây
for so_khach in [10, 15, 20]:
    so_cach = factorial(so_khach)      # số cách xếp so_khach người vào so_khach ghế
    giay = so_cach / toc_do
    print(f"{so_khach} khách: {so_cach:,} cách, {giay:,.3f} giây = {giay / 31_536_000:,.1f} năm")

Bàn 10 khách có hơn 3,6 triệu cách xếp, máy thử hết trong vài phần nghìn giây. Bàn 15 khách: khoảng 22 phút. Bàn 20 khách: hơn 77 năm. Mỗi người thêm vào không cộng thêm thời gian mà nhân nó lên — khách thứ 20 nhân thời gian lên 20 lần. Kiểu tăng này còn nhanh hơn cả tăng theo hàm mũ (exponential growth), người ta gọi là bùng nổ tổ hợp (combinatorial explosion), và nó là lý do người làm thuật toán phải biết đếm trước khi bấm chạy.

Xa hơn nữa, có những bài toán không cách nào giải được bằng máy, dù máy nhanh tới đâu — Turing đã chứng minh điều này từ năm 1936. Biết một bài toán khó tới mức nào, trước khi bỏ công viết code, là một phần quan trọng của nghề. Ba môn đi sâu vào ý này là Thiết kế và phân tích thuật toán, Lý thuyết tính toán và An toàn máy tính.

5. Tư duy tính toán: dùng được cả khi không có máy

Bốn ý trên gộp lại thành cái mà Jeannette Wing đặt tên là tư duy tính toán. Khi đưa vào trường học, người ta hay chia nó thành bốn thói quen: phân rã (decomposition) — chia việc lớn thành việc nhỏ; nhận ra mẫu (pattern recognition) — thấy chỗ lặp lại; trừu tượng hóa — bỏ chi tiết thừa; và thiết kế thuật toán — viết ra các bước.

Thử với một việc chẳng liên quan gì tới máy tính: lớp trưởng khối 10 cần tổ chức giải bóng đá cho 8 lớp, đá vòng tròn — mỗi lớp gặp mọi lớp khác đúng một lần. Cần bao nhiêu trận, để còn biết phải mượn sân bao nhiêu buổi?

  • Phân rã: bài toán "tổ chức giải" thành "liệt kê các trận", rồi "xếp trận vào lịch".
  • Trừu tượng hóa: tên đội, màu áo không quan trọng; mỗi trận chỉ là một cặp hai lớp.
  • Nhận ra mẫu: lớp đầu gặp 7 lớp còn lại, lớp thứ hai gặp thêm 6 lớp mới, rồi 5, 4… tổng là 7 + 6 + … + 1.
  • Thuật toán: liệt kê mọi cặp.
python
from itertools import combinations

cac_lop = ["10A1", "10A2", "10A3", "10A4", "10A5", "10A6", "10A7", "10A8"]
cac_tran = list(combinations(cac_lop, 2))   # mọi cặp hai lớp khác nhau
print(len(cac_tran))                        # 28
print(cac_tran[:3])   # [('10A1', '10A2'), ('10A1', '10A3'), ('10A1', '10A4')]

28 trận — và có ngay danh sách để in ra dán lên bảng tin. Nhưng điều đáng giá không phải là đoạn code, mà là cách nghĩ đã dẫn tới nó. Cũng cách nghĩ ấy giúp bạn sắp xếp một chuyến du lịch, chia việc trong nhóm, hay — như chị kế toán ở đầu bài — nhận ra việc nào nên giao cho máy. Lập trình, theo nghĩa đó, là một cách luyện tư duy tính toán: máy không chấp nhận chỗ mơ hồ nào, nên nó buộc bạn nghĩ cho rõ.

Nhập môn khoa học máy tính nằm ở đâu trong chồng tầng

Bài Từ electron đến ứng dụng vẽ máy tính thành một chồng tầng: electron, transistor, cổng logic, bộ xử lý, hệ điều hành, ngôn ngữ lập trình, ứng dụng. Các môn khác trong lộ trình đều đào sâu một hoặc vài tầng. Môn nhập môn thì khác: nó là chuyến bay ngang qua tất cả các tầng, đủ thấp để thấy hình dạng từng tầng, đủ cao để thấy chúng nối với nhau thế nào.

Từ chuyến bay đó, lộ trình Khoa học máy tính tỏa ra thành các nhóm:

Đưa lên

Một tấm bản đồ của cả ngành và bộ từ vựng chung — thuật toán, bit, biểu diễn, trừu tượng hóa, chi phí — để mỗi môn sau có chỗ bám vào.

Giấu đi

Chi tiết của từng tầng. Môn nhập môn chỉ cho bạn thấy tầng đó có mặt và làm gì; học kỹ là việc của các môn sau.

Học trước và học sau

· 5 môn

Lập trình

Programming

Học song song hoặc ngay sau môn này. Nhập môn cho bạn cách nghĩ và bức tranh chung; lập trình cho bạn công cụ để biến cách nghĩ đó thành chương trình chạy được.

Xem chủ đề trên OpenER: Programming

Toán rời rạc, logic và chứng minh

Mathematics for Computer Science

Logic, phép đếm, đồ thị — thứ toán đứng sau những lập luận như "đoán số chỉ cần 7 lần" hay "giải vòng tròn 8 đội có 28 trận".

Xem chủ đề trên OpenER: Mathematics for Computer Science

Cấu trúc dữ liệu và giải thuật

Data Structures and Algorithms

Bước tiếp theo tự nhiên: sắp xếp dữ liệu và chọn thuật toán sao cho máy làm nhanh, mở rộng ý tưởng 1 và 4 của bài này.

Xem chủ đề trên OpenER: Data Structures and Algorithms

Cấu trúc tính toán

Computation Structures

Đi xuống các tầng dưới: bit được lưu và xử lý bằng mạch điện ra sao, bộ xử lý được xây từ cổng logic thế nào.

Xem chủ đề trên OpenER: Computation Structures

Nhập môn trí tuệ nhân tạo

Introduction to Artificial Intelligence

Một trong những đích đến xa của lộ trình: khi bài toán quá lớn để thử hết, máy tìm kiếm, suy luận và học như thế nào.

Xem chủ đề trên OpenER: Introduction to Artificial Intelligence

Ứng dụng thật và nghề nghiệp

Môn nhập môn không dẫn thẳng tới một nghề, nhưng nó là cửa vào của tất cả các nghề trong ngành — và của nhiều nghề ngoài ngành:

  • Kỹ sư phần mềm: web, di động, hệ thống, game — sẽ chọn nhánh sau, nhưng ai cũng bắt đầu từ thuật toán, biểu diễn dữ liệu và trừu tượng hóa.
  • Dữ liệu và trí tuệ nhân tạo: làm việc với dữ liệu khổng lồ, nơi ý thức về chi phí và biểu diễn quyết định một mô hình chạy được hay không.
  • Hệ thống, mạng, bảo mật: hiểu máy từ bit trở lên, và biết vì sao một mật khẩu đủ dài lại an toàn.
  • Nghề ngoài ngành: kế toán, giáo viên, nhà khoa học, nhân viên văn phòng tự động hóa việc lặp lại; nhà báo đọc dữ liệu; người quản lý hiểu đủ để làm việc với đội kỹ thuật.
  • Học tiếp: với người còn đang phân vân, đây là môn để biết mình có thích ngành này không trước khi đầu tư nhiều năm.

Học xong làm được gì, bắt đầu từ đâu

Sau môn này bạn có thể:

  • giải thích bằng lời của mình khoa học máy tính là gì, gồm những nhánh nào, và mỗi môn trong lộ trình nằm ở đâu;
  • viết ra một thuật toán rõ ràng cho một việc quen thuộc, và so sánh hai cách làm xem cách nào tốn ít bước hơn;
  • giải thích vì sao chữ, ảnh, âm thanh đều thành bit, và vì sao cùng một dãy bit có thể mang nhiều nghĩa;
  • nhận ra một bài toán có thể "nổ" theo hàm mũ trước khi lao vào giải;
  • viết những chương trình nhỏ đầu tiên, và — quan trọng hơn — nhìn một công việc hằng ngày rồi thấy được phần nào giao cho máy được.

Nên biết trước: không cần gì ngoài toán phổ thông và sự tò mò. Đây là môn đầu tiên của lộ trình.

Bắt đầu trên OpenER: trang chủ đề Introduction to Computing có các khóa học đã chọn lọc, và hướng dẫn học gợi ý thứ tự đi qua chúng. Khóa chính là CS50x của Đại học Harvard — không đòi hỏi biết lập trình trước, đi qua thuật toán, biểu diễn dữ liệu, bộ nhớ và vài ngôn ngữ, có đồ án cuối khóa. Nếu muốn nắm khái niệm bằng tiếng Việt trước, có khóa Nhập môn Khoa học máy tính ngay trên OpenER. Muốn một góc nhìn rộng hơn — thêm mạch logic, một máy tính giả lập và lý thuyết tính toán — đọc thêm Computer Science: An Interdisciplinary Approach của Đại học Princeton.

Lời khuyên cho môn này: đừng vội chọn chuyên ngành, hãy đi hết một vòng. Mỗi tuần một chủ đề mới — có tuần bạn sẽ thấy chán, có tuần bạn sẽ thấy cuốn hút lạ thường. Ghi lại những tuần cuốn hút: đó là gợi ý tốt nhất cho việc nên đi sâu vào nhánh nào của lộ trình.

Tài liệu tham khảo

  • Harvard CS50x Introduction to Computer Science — bài giảng, ghi chú và bài tập mở miễn phí.
  • Robert Sedgewick, Kevin Wayne — Computer Science: An Interdisciplinary Approach, cùng trang khóa học Princeton IntroCS.
  • J. Glenn Brookshear, Dennis Brylow — Computer Science: An Overview, giáo trình tổng quan về cả ngành.
  • MIT 6.100L Introduction to Computer Science and Programming Using Python trên MIT OpenCourseWare, và sách đi kèm của John V. Guttag — Introduction to Computation and Programming Using Python.
  • UC Berkeley CS10 The Beauty and Joy of Computing — khóa nhập môn dạy bằng ngôn ngữ kéo thả Snap!.
  • Jeannette M. Wing — "Computational Thinking", Communications of the ACM, 2006.

Ban biên tập OpenER, “Nhập môn khoa học máy tính: học cách nghĩ trước khi học máy”, OpenER, 2026. Phát hành theo CC BY 4.0: được chia sẻ, chỉnh sửa, kể cả thương mại, miễn ghi công tác giả và dẫn link bài gốc.