Tác giả giữ toàn bộ bản quyền (All Rights Reserved) — không phải giấy phép mở. Bạn vẫn xem và học miễn phí trên OpenER; muốn tái sử dụng cần xin phép tác giả.
DAN GARCIA
Look at me. Hey, hey. We've had many times where we forgot to push record. So [INAUDIBLE].
Nhìn tôi. Hey, hey. Chúng tôi đã có nhiều lần quên nhấn ghi âm. Vì vậy [KHÔNG NGHE ĐƯỢC].
All right. Welcome.
Được rồi. Chào mừng.
BORA NIKOLIC
[INAUDIBLE] over here. What's wrong with my — DAN GARCIA: We just lost you. Lost you. There we go.
[KHÔNG NGHE ĐƯỢC] ở đây. Có vấn đề gì với của tôi — DAN GARCIA: Chúng tôi vừa mất bạn. Mất bạn. Nào.
Okay. The magic is being revealed. Here we go.
Được. Điều kỳ diệu đang được tiết lộ. Nào.
SOPHIA SHAO
Cool.
Tuyệt.
DAN GARCIA
Now, can you — Bora, when you try to change slides, what happens when you do that? Can you try to change? Because I have it right now set to my screen.
Nào, bạn có thể — Bora, khi bạn cố gắng chuyển slide, chuyện gì xảy ra? Bạn có thể thử chuyển không? Bởi vì bây giờ tôi đặt nó sang màn hình của tôi.
Like I have eight slides in a row — BORA NIKOLIC: Look at that.
Tôi có tám slide liên tiếp — BORA NIKOLIC: Nhìn kìa.
DAN GARCIA
Now you're at static slides. Right, okay. That's fine. Static slides.
Bây giờ bạn ở ở các slide tĩnh. Được, okay. Không sao. Slide tĩnh.
But if I go to — watch me, if I go to the first one, then here this is now animation. And watch. Here we go. Now it'll play the movie.
Nhưng nếu tôi chuyển sang — xem tôi, nếu tôi chuyển sang cái đầu tiên, thì đây bây giờ là animation. Và xem. Nào, đây rồi. Bây giờ nó sẽ phát video.
Watch, Here we go. And it'll play the movie. See, can you guys hear anything at all?
Nhìn kìa, tao đây. Và nó sẽ phát video. Các bạn nghe thấy gì không?
BORA NIKOLIC
Uh-uh. Not yet.
Không. Chưa.
SOPHIA SHAO
No.
Không.
DAN GARCIA
Not. Right, yeah. I don't think Mmhmm sends the — I don't think Mmhmm sends the audio over. But that's okay.
Không. Đúng, vâng. Tôi không nghĩ Mmhmm gửi — Tôi không nghĩ Mmhmm gửi âm thanh qua. Nhưng không sao.
I can get to that fast enough. All right. So Bora, I'll put it back on the static slides. That way you can control it as well.
Tôi có thể làm nhanh được. Được rồi. Bora, tôi sẽ chuyển lại sang slide tĩnh. Như vậy bạn cũng có thể kiểm soát nó.
Welcome students. Come on in. I think we have 54 folks here. Welcome, everybody.
Chào các bạn sinh viên. Mời vào. Tôi nghĩ chúng ta có 54 người ở đây. Chào mừng mọi người.
Good to see you all. Let me see. I think, Bora, you're host. I don't think I can change your name.
Rất vui được gặp các bạn. Để tôi xem. Tôi nghĩ Bora, bạn là người chủ trì. Tôi không thể thay đổi tên của bạn được.
BORA NIKOLIC
I can. I need to change it myself.
Tôi có thể. Tôi cần phải tự thay đổi nó.
DAN GARCIA
Okay, perfect.
Được rồi, hoàn hảo.
Our faculty candidate is coming to give a talk this week. I'm excited about that. That's an exciting case. So I'm looking forward to that as well.
Ứng viên giảng viên của chúng ta sẽ đến thuyết trình tuần này. Tôi rất háo hức về điều đó. Đó là một trường hợp thú vị. Tôi cũng mong chờ điều đó.
SOPHIA SHAO
Yeah, I'm also looking forward to that.
Vâng, tôi cũng mong chờ.
DAN GARCIA
All right. Folks, we'll get started in exactly 10 seconds. We'll get rolling. Here we go.
Được rồi. Mọi người, chúng ta sẽ bắt đầu trong đúng 10 giây. Chúng ta sẽ bắt đầu. Nào.
This should be really fun.
Cái này sẽ thực sự vui.
Let's see.
Hãy xem nào.
Okay. All right. 4:10. Wonderful.
Được. Được rồi. 4:10. Tuyệt vời.
Welcome, everybody, to CS61C. Week six. Digital systems and Boolean logic. Woo!
Chào mừng mọi người đến với CS61C. Tuần sáu. Hệ thống kỹ thuật số và logic Boolean. Tuyệt vời!
Great to have you all here. We've got our wonderful guest already here, welcoming, folks, Sophia Shao as our faculty guest for today. Thank you so much for joining us.
Rất vui được có tất cả các bạn ở đây. Chúng ta đã có vị khách mời tuyệt vời của chúng ta ở đây rồi, chào mọi người, Sophia Shao là khách giáo sư của chúng ta hôm nay. Cảm ơn bạn rất nhiều vì đã tham gia.
Here is our brief agenda. So we're going to welcome you to week six, do a quick Computing In The News.
Dưới đây là chương trình ngắn của chúng ta. Vậy chúng ta sẽ chào đón bạn đến tuần sáu, làm một phần Computing In The News nhanh chóng.
Then we'll interview Sophia and talk to her about some of her research and some of the exciting things she's working on, and where she sees the space.
Sau đó chúng ta sẽ phỏng vấn Sophia và nói chuyện với cô ấy về một số những nghiên cứu của cô và những điều thú vị mà cô đang làm, và cô thấy lĩnh vực này sẽ phát triển như thế nào.
Then we'll let her take her leave and we'll go back to our week's plan, and then have some whatever announcements we have, and then we'll do the Ask Us Anything at the end of this.
Sau đó chúng ta sẽ cho cô ấy rời đi và chúng ta sẽ quay lại kế hoạch của tuần, rồi chúng ta sẽ có những thông báo nào chúng ta có, và sau đó chúng ta sẽ làm phần Hỏi Chúng Tôi Bất Cứ Điều Gì vào cuối buổi này.
Perfect. All right. Bora, will you take us into Computing In The News?
Tuyệt vời. Được rồi. Bora, bạn sẽ dẫn chúng ta vào phần Tin tức Công nghệ nhé?
BORA NIKOLIC
Sure. Am I pinned? I need to — DAN GARCIA: Feel free to pin yourself. Yeah.
Được. Tôi có được ghim lên không? Tôi cần — DAN GARCIA: Cứ tự do ghim mình lên. Vâng.
Here we go.
Nào.
BORA NIKOLIC
Pinned. There we go. Hopefully, this works.
Đã ghim rồi. Được rồi. Hy vọng cái này hoạt động được.
DAN GARCIA
Okay, it's all you.
Được, tới lượt bạn.
BORA NIKOLIC
So we have been saying that now it is a really exciting time to be in chip design, in computer architecture in general, because we are entering this era of domain specialized computing.
Vậy chúng ta vẫn nói rằng bây giờ là thời điểm thực sự hấp dẫn để làm việc trong thiết kế chip, trong kiến trúc máy tính nói chung, bởi vì chúng ta đang bước vào kỷ nguyên tính toán chuyên dùng theo lĩnh vực.
And the first thing that is really shaking up things is this need to support machine learning, machine learning at a large scale.
Và điều đầu tiên thực sự làm thay đổi mọi thứ là nhu cầu hỗ trợ học máy, học máy ở quy mô lớn.
So we are seeing, there are two things that people need to do, two ways how people need to support machine learning. One is training the data.
Vì vậy chúng ta thấy, có hai điều mà mọi người cần làm, hai cách mà mọi người cần hỗ trợ học máy. Một là huấn luyện dữ liệu.
The other one is running the inference on the trained data. And there has been a number of companies now that have built custom chips for that.
Cái kia là chạy suy luận trên dữ liệu đã huấn luyện. Và bây giờ có một số công ty đã xây dựng các chip tùy chỉnh cho điều đó.
And in this picture, there are two clips that we took from a conference that is called Hot Chips that was held in August, about a month ago, where some of them have been presented some really exciting chips.
Và trong hình này, có hai đoạn clip mà chúng tôi lấy từ một hội thảo gọi là Hot Chips mà được tổ chức vào tháng Tám, khoảng một tháng trước, nơi một số trong số họ đã trình bày một số chip rất thú vị.
Google talked about the TPUv2 and v3. That's their tensor processing unit that they're using to accelerate training and inference in the cloud.
Google đã nói về TPUv2 và v3. Đó là đơn vị xử lý tensor của họ mà họ sử dụng để tăng tốc độ huấn luyện và suy luận trên đám mây.
You know, TPU is what processes when we do speech recognition, or many other facts. TPU was what beat the Go master, and it was an older TPU, I think.
Bạn biết đó, TPU là thứ xử lý khi chúng ta thực hiện nhận dạng giọng nói, hoặc nhiều tác vụ khác. TPU là thứ đã đánh bại vô địch Go, và đó là một TPU cũ, tôi nghĩ.
Might have been TPU 1 or 2 that beat him.
Có thể là TPU 1 hoặc 2 đã đánh bại anh ấy.
DAN GARCIA
AlphaGo I think is the name, right? AlphaGo was the name of the software running on there.
AlphaGo tôi nghĩ là tên gọi, phải không? AlphaGo là tên của phần mềm chạy trên đó.
BORA NIKOLIC
Exactly. They don't publish these as they make them. So we believe that TPU 3 is probably about two years old now. There must be TPU 4 and TPU 5.
Chính xác. Họ không công bố những chiếc này khi họ tạo ra chúng. Vì vậy chúng tôi tin rằng TPU 3 có lẽ đã được phát triển cách đây khoảng hai năm bây giờ. Phải có TPU 4 và TPU 5.
But they talk about the stuff that is already deployed. There is another crazy chip that Cerebrus has presented, and it is in their second generation.
Nhưng họ nói về những thứ đã được triển khai rồi. Có một con chip điên khác mà Cerebras đã trình bày, và nó là thế hệ thứ hai của họ.
When you build a chip, they build something that is called a wafer. And wafer is like this. It's 300 millimeters size.
Khi bạn chế tạo một con chip, họ xây dựng một cái gì đó được gọi là wafer. Và wafer giống như thế này. Nó có kích thước 300 millimét.
But when we take our chips, we dice that wafer into tiny, tiny pieces.
Nhưng khi chúng ta lấy các chip của chúng ta, chúng ta cắt wafer đó thành những mảnh rất, rất nhỏ.
So if you look at a cell phone, cell phone chips like the ones that Apple makes are 7 by 8 millimeter. So they're called dyes.
Vì vậy nếu bạn nhìn vào một điện thoại di động, các chip điện thoại di động như những cái mà Apple chế tạo là 7 x 8 millimét. Vì vậy chúng được gọi là die.
So this whole wafer is diced into 7 by 8 millimeters. If you take a desktop PC, there may be 15 millimeters on a side.
Vì vậy toàn bộ wafer này được cắt thành các mảnh 7 x 8 millimét. Nếu bạn lấy một chiếc PC để bàn, có thể có 15 milimet một cạnh.
Some really big server chips are like 10 each on a side.
Một số chip máy chủ rất lớn có kích thước 10 milimet mỗi cạnh.
DAN GARCIA
Like a postcard size, basically.
Giống như kích thước một tấm bưu thiếp cơ bản.
BORA NIKOLIC
Yeah. Not a — it's a stamp size.
Có. Không — nó có kích thước một con tem.
DAN GARCIA
I meant a postage stamp. I said I said postcard. I meant to say postage stamp. I meant to say — I know that it's a postage stamp.
Tôi muốn nói là một con tem bưu điện. Tôi đã nói là tấm bưu thiếp. Tôi muốn nói là con tem bưu điện. Tôi muốn nói — Tôi biết nó là một con tem bưu điện.
Yeah, yeah. And in fact, this is a big deal. The larger area you have, the worst yield you have. The higher chance there is imperfection on that.
Vâng, vâng. Và trên thực tế, đây là một vấn đề lớn. Diện tích càng lớn, hiệu suất sản xuất của bạn càng kém. Khả năng xảy ra sự không hoàn hảo trên diện tích đó càng cao.
So you really try to care about having the smallest area as possible to have the highest yield from — a yield means a number of good ships you get out of a total slice.
Vì vậy bạn thực sự cố gắng quan tâm đến việc có diện tích nhỏ nhất có thể để có năng suất cao nhất — năng suất có nghĩa là số lượng chip tốt bạn nhận được trên tổng số lượt cắt.
BORA NIKOLIC
Yep. In this place, Cerebrus is building chips that are the entire wafer. So there are 300 millimeters on a diagonal, which is insane. Why they need these big chips?
Đúng. Ở đây, Cerebrus đang xây dựng các chip bao phủ toàn bộ tấm wafer. Vì vậy có 300 milimet trên đường chéo, điều đó thực sự điên rồ. Tại sao họ cần những chip to như vậy?
Because they want to do training for machine learning on them. Those things have to be pretty pricey. But they're really hoping to make it in there.
Vì họ muốn thực hiện huấn luyện học máy trên chúng. Những thứ đó phải khá đắt tiền. Nhưng họ thực sự hy vọng sẽ tạo ra chúng.
There is a number of other companies that have their solutions. People might have heard that Habana was acquired by Intel. Then there is a few more startups, and some of them already gone down.
Có một số công ty khác có các giải pháp của họ. Mọi người có thể đã nghe nói rằng Habana đã bị Intel mua lại. Sau đó có một vài startup khác, và một số trong số đó đã sụp đổ rồi.
But the new ones are popping up. So this is an exciting field of domain specific computing that is creating a lot of interest out there.
Nhưng các công ty mới đang xuất hiện. Vì vậy đây là một lĩnh vực thú vị của máy tính chuyên dụng đang tạo ra rất nhiều sự quan tâm.
So speaking of that, can we have — can we switch over to Sophia? Let me jump over.
Vì vậy, nói về điều đó, chúng ta có thể — có thể chuyển sang Sophia được không? Để tôi chuyển qua.
Sophia is a new faculty in ECS that is really focusing on specialized architectures for computing.
Sophia là một giáo viên mới trong khoa ECS đang tập trung vào các kiến trúc chuyên biệt cho máy tính.
So she graduated from Harvard in 2016, and then she spent a few years in industry.
Cô ấy tốt nghiệp từ Harvard năm 2016, và sau đó cô ấy đã làm việc trong ngành công nghiệp trong vài năm.
She worked in Nvidia, and Nvidia is the leading place that has been selling these more general purpose GPUs for training and inference in machine learning.
Cô ấy làm việc tại Nvidia, và Nvidia là nơi hàng đầu đã bán những chiếc GPU có mục đích tổng quát hơn để huấn luyện và suy luận trong học máy.
And last summer she joined the Berkeley. So welcome, Sophia.
Và mùa hè năm ngoái cô ấy gia nhập Berkeley. Vậy chào đón bạn, Sophia.
SOPHIA SHAO
Hello, everyone.
Xin chào mọi người.
BORA NIKOLIC
And is it okay if you ask you a few questions? Maybe you can tell us how did you get here? How did you end up here?
Có được phép hỏi bạn vài câu không? Có thể bạn kể cho chúng tôi nghe cách bạn đến đây được không? Làm thế nào bạn lại ở đây?
And let's try to put this — let's try to — DAN GARCIA: Did you always know are you going to be an academic? That kind of question.
Và hãy thử đặt cái này — hãy thử — DAN GARCIA: Bạn có luôn biết bạn sẽ trở thành nhà nghiên cứu không? Kiểu câu hỏi như vậy.
Like how did you even find your way to Berkeley, and all those decisions you had to make. Yeah.
Giống như bạn tìm đến Berkeley như thế nào, và tất cả những quyết định bạn phải đưa ra. Vâng.
SOPHIA SHAO
Those are really good questions. So first, good afternoon, everyone.
Đó là những câu hỏi rất hay. Thế nên trước tiên, chào buổi chiều mọi người.
Good to see you all, and really good to — thanks, Bora and Dan for this wonderful opportunity to get to interact with all of you. So as Bora mentioned, I'm Sophia Shao.
Rất vui được gặp các bạn, và thực sự— cảm ơn Bora và Dan vì cơ hội tuyệt vời này để được tương tác với tất cả các bạn. Như Bora đã đề cập, tôi là Sophia Shao.
I'm an assistant Professor here at UC Berkeley. So how did I come here? So I grew up in China. I did my undergrad in Zhejiang University.
Tôi là giáo sư hỗ trợ ở UC Berkeley. Vậy làm sao tôi lại đến đây? Tôi lớn lên ở Trung Quốc. Tôi học đại học ở Đại học Zhejiang.
It's a very good university in the southern part of China.
Đó là một trường đại học rất tốt ở phía nam Trung Quốc.
And during my undergrad, I got really interested in basically microcontroller programming and FPGA, and I participated in an embedded system and the robotic computation during the summer before my senior year.
Và trong suốt thời gian học đại học, tôi đã thực sự quan tâm đến lập trình vi điều khiển và FPGA, và tôi đã tham gia một dự án hệ thống nhúng và tính toán robot trong mùa hè trước năm cuối cấp của tôi.
That completely changed the way I see hardware and software and the way I see the possibility in this area. So after the competition, after that summer, I decided that I want to learn more.
Điều đó hoàn toàn thay đổi cách tôi nhìn nhận về phần cứng, phần mềm và cách tôi thấy những khả năng trong lĩnh vực này. Vì vậy sau cuộc thi, sau mùa hè đó, tôi quyết định rằng tôi muốn học hỏi thêm.
I want to do grad school. I want to know more about computer architecture and hardware design. So during 2009, I decided, okay, I want to do grad school.
Tôi muốn học sau đại học. Tôi muốn biết thêm về kiến trúc máy tính và thiết kế phần cứng. Vì vậy trong năm 2009, tôi quyết định, được rồi, tôi muốn học sau đại học.
So then I moved to Boston. I did my PhD at Harvard working on thinking about hardware design with a special focus on domain specific accelerators, understanding the challenges with Moore's law, and then [INAUDIBLE].
Vì vậy sau đó tôi chuyển đến Boston. Tôi làm tiến sĩ tại Harvard với việc suy nghĩ về thiết kế phần cứng với trọng tâm đặc biệt là các bộ tăng tốc dành riêng cho từng miền, hiểu những thách thức với định luật Moore, và sau đó [KHÔNG THỂ NGHE RÕ].
I assume you are already very familiar with that. And then thinking about what we can do in the hardware space to further improve the performance.
Tôi giả định bạn đã rất quen thuộc với điều đó. Và sau đó suy nghĩ về những gì chúng ta có thể làm trong lĩnh vực phần cứng để tiếp tục cải thiện hiệu suất.
So after I finished my PhD in 2016, I was also thinking about, okay, whether I want to do academia or industry.
Vì vậy sau khi tôi hoàn thành tiến sĩ năm 2016, tôi cũng đang suy nghĩ, được rồi, liệu tôi có muốn làm việc trong học viện hay ngành công nghiệp.
Back then, I really want to — I already interned at both Intel and IBM before. I see a glimpse of how industry works.
Lúc đó, tôi thực sự muốn — Tôi đã thực tập tại cả Intel và IBM trước đó. Tôi thấy được một phần về cách hoạt động của ngành công nghiệp.
But I wanted to see more to really actually build something in this area. And this is a very exciting area, especially thinking about the amount of effort in both academia and industry.
Nhưng tôi muốn hiểu rõ hơn để thực sự xây dựng một cái gì đó trong lĩnh vực này. Và đây là một lĩnh vực rất thú vị, đặc biệt khi suy nghĩ về lượng nỗ lực cả trong học viện và ngành công nghiệp.
So since I have already been in academia for a few years, so I decided to, okay, let's move to industry to see what people are working on there.
Vì vậy vì tôi đã ở trong học viện được một vài năm rồi, nên tôi quyết định, được rồi, hãy chuyển sang ngành công nghiệp để xem mọi người đang làm gì ở đó.
So that's why I decided to join Nvidia after my PhD, and I spent three years at Nvidia. It's a really exciting time.
Vì thế tôi đã quyết định gia nhập Nvidia sau khi hoàn thành tiến sĩ, và tôi đã dành ba năm ở Nvidia. Đó là một thời gian thực sự rất thú vị.
As Bora mentioned, there are a lot of efforts in thinking about hardware design, especially for hardware for machine learning.
Như Bora đã đề cập, có rất nhiều nỗ lực trong việc suy nghĩ về thiết kế phần cứng, đặc biệt là phần cứng cho học máy.
So I was at a Nvidia Research, where we are also very interested in thinking about what's the hardware implications of supporting all of those important emerging machine learning applications, and what kind of optimizations that we can do, not only in architecture, but also in circuit, maybe even underlying device that we can do to improve the performance.
Vì vậy tôi đã ở tại Nvidia Research, nơi chúng tôi cũng rất quan tâm đến việc suy nghĩ về những hàm ý về phần cứng của việc hỗ trợ tất cả những ứng dụng học máy mới nổi quan trọng đó, và những loại tối ưu hóa mà chúng ta có thể thực hiện, không chỉ trong kiến trúc, mà còn trong mạch, thậm chí có thể thiết bị cơ bản mà chúng ta có thể làm để cải thiện hiệu suất.
So I was there for three years with wonderful mentors and the colleagues, and worked on a couple of very interesting projects to actually build the hardware and see the implications, and also the possibilities of hardware for this area.
Vì vậy tôi đã ở đó ba năm với những người hướng dẫn tuyệt vời và các đồng nghiệp, và tôi đã làm việc trên một vài dự án rất thú vị để thực sự xây dựng phần cứng và xem những tác động của nó, cũng như những khả năng của phần cứng trong lĩnh vực này.
And two years ago, I think that's roughly where we just finished the [INAUDIBLE],, we finished the bring up process, and our chip worked. And that got me thinking, okay, what's my next project?
Và cách đây hai năm, tôi nghĩ đó là khoảng thời gian chúng tôi vừa hoàn thành [INAUDIBLE], chúng tôi hoàn thành quá trình khởi động, và con chip của chúng tôi hoạt động. Và điều đó làm tôi suy nghĩ, được rồi, dự án tiếp theo của tôi là gì?
What do I want to do next? I think that's when I started thinking about, okay, what's about academia?
Tôi muốn làm gì tiếp theo? Tôi nghĩ đó là khi tôi bắt đầu suy nghĩ, được rồi, thế còn học viện thì sao?
And whether I want to not only build in a course cool and interesting projects, but also interacting with students, both undergrad and grad students to really impact the next generation students and also hardware engineers.
Và liệu tôi có muốn không chỉ xây dựng những dự án hay và thú vị trong một khóa học, mà còn tương tác với sinh viên, cả sinh viên năm nhất lẫn cao học để thực sự có tác động thế hệ sinh viên tiếp theo cũng như các kỹ sư phần cứng.
So that's actually one of the major factors. I decided to move back to academia. And I'm really glad that I'm here at Berkeley with wonderful colleagues and the students.
Vậy đó thực sự là một trong những yếu tố chính. Tôi quyết định quay trở lại học viện. Và tôi thực sự vui khi ở đây tại Berkeley với những đồng nghiệp tuyệt vời và các sinh viên.
So it has been an amazing year, the past year, but I'm looking forward to interacting with many of you in the future. So I guess that's how I got here.
Vậy nó đã là một năm tuyệt vời, năm vừa rồi, nhưng tôi rất mong chờ được tương tác với nhiều bạn trong tương lai. Vậy đó là cách tôi đến đây.
BORA NIKOLIC
Thank you. That's great.
Cảm ơn. Tuyệt vời.
DAN GARCIA
That's wonderful.
Tuyệt vời.
BORA NIKOLIC
So I have a question, another question. So how does one become a faculty at Berkeley? I mean, Dan and I, I think, forgot what does it take. It has been a while.
Vậy tôi có một câu hỏi, một câu hỏi khác. Vậy làm sao để trở thành giáo sư tại Berkeley? Ý tôi là, Dan và tôi, tôi nghĩ chúng tôi quên mất điều gì cần thiết. Đã lâu rồi.
DAN GARCIA
20 years at least for both of us. So yeah, yeah.
Ít nhất là 20 năm cho cả hai chúng tôi. Vậy là vâng, vâng.
SOPHIA SHAO
Okay, that's good. I also try to forget about that. So it's still pretty fresh in my mind. Let me refocus this really quickly.
Được rồi, điều đó rất tốt. Tôi cũng cố gắng quên về điều đó. Vì vậy nó vẫn còn khá tươi mới trong tâm trí tôi. Để tôi tập trung lại nhanh chóng.
That's a good question. So how to become a faculty at Berkeley? So first, you need to get a PhD, typically, for most of the cases. At least some grad degree.
Đó là một câu hỏi hay. Vậy làm sao để trở thành giáo sư tại Berkeley? Trước tiên, bạn cần phải có bằng tiến sĩ, thường thì vậy, trong hầu hết các trường hợp. Ít nhất là một bằng sau đại học.
I want to say that this is a really good time to think about going to grad school, maybe like at first, if you are not sure, maybe try out a master degree first.
Tôi muốn nói rằng đây là một thời gian thực sự tốt để suy nghĩ về việc theo học sau đại học, có thể ngay lúc đầu, nếu bạn không chắc chắn, có thể thử học thạc sĩ trước.
Maybe also eventually try out the PhD program. This is a really interesting time. We definitely see a lot of exciting areas in both hardware and also applications.
Sau đó cũng có thể thử chương trình tiến sĩ. Đây là một thời điểm thực sự thú vị. Chúng ta chắc chắn thấy rất nhiều lĩnh vực hứa hẹn trong cả phần cứng lẫn ứng dụng.
And there is a strong demand in thinking about new, innovative ideas in those areas, and a lot of those ideas actually coming from academia, who can actually stay a little bit away from the practical very near-term deadline pressures, but really thinking about what are the major problem, what
Và có nhu cầu mạnh mẽ về những ý tưởng mới, sáng tạo trong những lĩnh vực đó, và rất nhiều những ý tưởng đó thực chất đến từ giới học thuật, những người có thể thực sự tách biệt một chút khỏi áp lực thời hạn gần kỳ hạn thực tế, nhưng thực sự suy nghĩ về vấn đề chính là gì, cái gì
are the big concern, what are the things that we really need to think in five years, maybe even ten years. So this is a good time to think about grad school.
là mối quan tâm lớn, những điều gì mà chúng ta thực sự cần suy nghĩ trong năm năm, có thể là mười năm. Vì vậy đây là thời điểm tốt để suy nghĩ về học sau đại học.
So to become a faculty at Berkeley, typically, you need a PhD degree. I guess that's a step one.
Vì vậy để trở thành giảng viên tại Berkeley, thường bạn cần có bằng tiến sĩ. Tôi nghĩ đó là bước một.
Second, I would say you need to do, all of us, we really need to think about not only in terms of research, once you get into the grad school you start thinking about research, and then develop your own research taste, and also develop your own project.
Thứ hai, tôi muốn nói rằng bạn cần phải làm, tất cả chúng ta, chúng ta thực sự cần phải suy nghĩ không chỉ về khía cạnh nghiên cứu, khi bạn vào trường sau đại học bạn bắt đầu suy nghĩ về nghiên cứu, và sau đó phát triển khẩu vị nghiên cứu riêng của bạn, và cũng phát triển dự án riêng của bạn.
I would say one thing very important in thinking about becoming, especially a Berkeley faculty, is the impact of your research.
Tôi muốn nói rằng một điều rất quan trọng khi suy nghĩ về việc trở thành, đặc biệt là giảng viên tại Berkeley, là tác động của nghiên cứu của bạn.
Sometimes, it's very easy to get lost, because oh, I want to publish more papers, I want to get papers in, like, [INAUDIBLE].. And hopefully that will actually make my research stand out.
Đôi khi, rất dễ bị lạc hướng, vì ôi, tôi muốn xuất bản nhiều bài báo hơn, tôi muốn đưa bài báo vào, chẳng hạn như, [KHÔNG NGHE RỌ]... Và hy vọng rằng điều đó sẽ thực sự giúp nghiên cứu của tôi nổi bật.
But most of the time is not about the quantity. It's really about the quality.
Nhưng hầu hết thời gian không phải là về số lượng. Nó thực sự là về chất lượng.
Especially for institutions like Berkeley, it's really important for faculty members, and also for grad students, for all of us working in this area, not only just thinking about how many papers we publish, really think about what kind of impact we make for this area for Berkeley, for our research community, and for the entire society.
Đặc biệt là đối với các tổ chức như Berkeley, nó thực sự rất quan trọng đối với các giáo sư, và cũng như với các sinh viên cao học, tất cả chúng ta làm việc trong lĩnh vực này, không chỉ suy nghĩ về số lượng bài báo chúng ta xuất bản, mà thực sự suy nghĩ về loại tác động mà chúng ta tạo ra cho lĩnh vực này, cho Berkeley, cho cộng đồng nghiên cứu của chúng ta, và cho toàn bộ xã hội.
So I think impact driven way of doing research is actually really important.
Vì vậy tôi nghĩ rằng cách tiến hành nghiên cứu theo hướng tác động thực sự rất quan trọng.
I would say that's definitely, based on my experience as someone who goes through the process I interact with all the Berkeley faculties and the mentors, and also seeing different career paths of colleagues and mentors, I think having an impact driven research mindset is really important in overall
Tôi sẽ nói rằng đó chắc chắn là, dựa trên kinh nghiệm của tôi như một người đã trải qua quá trình này, tôi tương tác với tất cả các giáo sư Berkeley và các người hướng dẫn, và cũng thấy các con đường sự nghiệp khác nhau của các đồng nghiệp và những người hướng dẫn, tôi nghĩ rằng có tác động một tư duy nghiên cứu hướng tới tác động thực sự rất quan trọng trong
your career paths, no matter whether you'll come to Berkeley, or go elsewhere. Really think about your impact of what you are doing, instead of just some quantifiable metrics.
toàn bộ con đường sự nghiệp của bạn, bất kể liệu bạn sẽ đến Berkeley hay đi đến nơi khác. Hãy thực sự suy nghĩ về tác động của những gì bạn đang làm, thay vì chỉ tập trung vào những chỉ số có thể định lượng.
I guess the last thing I want to say, especially become a faculty at Berkeley, this is partially, like I mentioned earlier, partially the reason I decided to — I came back to academia is really thinking about interacting with students, both undergrad and grad students.
Tôi nghĩ điều cuối cùng tôi muốn nói, đặc biệt là khi trở thành một giáo sư tại Berkeley, đây là một phần, như tôi đề cập sớm hơn, là một phần lý do tôi quyết định — tôi quay trở lại học viện vì thực sự muốn tương tác với sinh viên, cả sinh viên đại học và cao học.
And also, this is something I observed here at Berkeley, is that to be a faculty member here, you really need to care about teaching, care about mentoring, care about advising, because we spent a lot of time interacting with students, both undergrads and grad students.
Và cũng, đây là điều tôi quan sát ở Berkeley, để là một giáo sư ở đây, bạn thực sự cần phải quan tâm đến giảng dạy, quan tâm đến mentoring, quan tâm đến hướng dẫn học tập, bởi vì chúng tôi dành rất nhiều thời gian tương tác với sinh viên, cả sinh viên đại học lẫn cao học.
And the reason we are here, instead of being elsewhere in the industry, where that can be a very well-paid job, is really the benefit of interacting with the younger generation, and see what we can do to actually learn with them together, and to, as I mentioned earlier, to do high impact research, and to impact, to change the field.
Và lý do chúng tôi ở đây, thay vì đi làm ở nơi khác trong ngành công nghiệp, nơi có thể là công việc được trả lương rất cao, chính là lợi ích của việc tương tác với thế hệ trẻ, và xem chúng tôi có thể làm gì để thực sự học hỏi cùng với các em, và để, như tôi đã đề cập trước đó, thực hiện nghiên cứu có tác động lớn, và tạo ra tác động, thay đổi lĩnh vực.
So having a strong drive, and also caring about students, both undergrads and grad students, I think that's also a very important factor. That's my understanding. We also have two other faculty members here.
Vì vậy có một động lực mạnh mẽ, và cũng quan tâm đến sinh viên, cả sinh viên đại học lẫn cao học, tôi nghĩ đó cũng là một yếu tố rất quan trọng. Đó là hiểu biết của tôi. Chúng tôi cũng có hai giáo sư khác tại đây.
I think it will be interesting to hear their perspective as well.
Tôi nghĩ sẽ rất thú vị khi được nghe quan điểm của họ nữa.
DAN GARCIA
I've heard, on your second point, in terms of not just the number of papers but actually impact of papers, I've heard the analogy made, don't just get singles.
Tôi đã nghe, về điểm thứ hai của bạn, không chỉ về số lượng bài báo mà còn về ảnh hưởng của bài báo, tôi đã nghe khi người ta so sánh như vậy, đừng chỉ làm những cú đánh đơn.
This is the baseball analogy. Don't just hit singles and get on base. Try to swing for the fences. Try to have a couple of home runs in there to make a difference.
Đây là so sánh bóng chày. Đừng chỉ đánh những cú đơn và lên base. Hãy cố gắng đánh hướng vào hàng rào. Hãy có được vài cú home run để tạo nên sự khác biệt.
So I appreciate that, and I agree with that being the thing that's most important. It's just not just paper trail of like, well, I did 100 papers but nobody reads them.
Vì vậy tôi trân trọng điều đó, và tôi đồng ý rằng đó là điều quan trọng nhất. Nó không phải chỉ là dấu vết bài báo như, chà, tôi đã làm 100 bài báo nhưng không ai đọc chúng.
If I did three papers that everyone reads, that actually has more impact than the 100 papers nobody reads, so that makes a lot of sense. I appreciate that.
Nếu tôi viết ba bài mà mọi người đều đọc, thì nó thực sự có tác động lớn hơn 100 bài mà không ai đọc, vì vậy điều đó rất hợp lý. Tôi đánh giá cao điều đó.
BORA NIKOLIC
You know, speaking of that, you know, there's Boolean logic thing, the mapping of Boolean logic unto gates and switches, that Dan mentioned, was invented by Claude Shannon.
Nói về điều đó nè, vấn đề Boolean logic, việc ánh xạ Boolean logic tới các cổng và công tắc, mà Dan đã đề cập, được phát minh bởi Claude Shannon.
Claude Shannon, one of the best known electrical engineers and information theorists didn't publish many papers. I mean, because he only went he only went for the big stuff.
Claude Shannon, một trong những kỹ sư điện nổi tiếng nhất và các nhà lý thuyết thông tin không xuất bản nhiều bài báo. Chắc vì anh ta chỉ theo đuổi những đề tài lớn.
Now, a question for Sophia.
Bây giờ, có một câu hỏi cho Sophia.
SOPHIA SHAO
That is actually his master thesis. So he did that for his master's.
Đó thực ra là luận án thạc sĩ của anh ấy. Vì vậy anh ta đã làm điều đó cho thạc sĩ của mình.
BORA NIKOLIC
That was his master's thesis.
Đó là luận án thạc sĩ của anh ta.
DAN GARCIA
And if you watch today's video, if you watch today's video, I say in today's video. So exactly. That's great.
Và nếu bạn xem video hôm nay, nếu bạn xem video hôm nay, tôi nói trong video hôm nay. Vậy là chính xác. Tuyệt vời.
BORA NIKOLIC
A question for Sophia, tell us something about your research. So how to swing for the fences in this domain?
Có một câu hỏi cho Sophia, hãy kể cho chúng tôi nghe về nghiên cứu của bạn. Vậy làm sao để đạt mục tiêu lớn trong lĩnh vực này?
SOPHIA SHAO
Great. Well, that's a good question. So as Bora mentioned, I'm really interested in domain specific hardware.
Tuyệt vời. Đó là một câu hỏi hay. Vì vậy, như Bora đã nói, tôi thực sự quan tâm đến phần cứng dành riêng cho từng lĩnh vực.
Bora talked about some of the really exciting developments in the industry these days, in thinking about hardware for machine learning, which is a very important applications in the industry today.
Bora đã nói về một số những phát triển thực sự thú vị trong ngành công nghiệp những ngày này, khi nghĩ về phần cứng cho machine learning, một ứng dụng rất quan trọng trong ngành công nghiệp ngày nay.
And it's really exciting to see not only this new development from traditional hardware companies, but also startups, and also software companies like Google. So we definitely see a lot of excitement in this area.
Và thực sự rất exciting khi thấy không chỉ những phát triển mới này từ các công ty phần cứng truyền thống, mà còn các startup, và cả các công ty phần mềm như Google. Vì vậy chúng ta chắc chắn thấy rất nhiều sự hứng khởi trong lĩnh vực này.
So definitely, we are really interested in this area, in thinking about understanding applications' behaviors, and explore different hardware acceleration strategies.
Vì vậy chắc chắn, chúng ta thực sự quan tâm đến lĩnh vực này, đó là hiểu rõ hành vi của các ứng dụng, và khám phá các chiến lược tăng tốc phần cứng khác nhau.
Specifically, we have three focus in the way we think about this hardware for machine learning research. The first one is definitely related to individual algorithm acceleration. What are the emerging algorithms?
Cụ thể, chúng ta có ba trọng tâm trong cách chúng ta suy nghĩ về phần cứng này cho học máy research. Cái đầu tiên chắc chắn liên quan đến gia tốc thuật toán riêng lẻ. acceleration. Những thuật toán mới nổi là gì?
Bora mentioned there are training and inference, and even within training and inference, there are different networks, different applications, and there are also emerging algorithms showing up on the daily basis, maybe even on the hourly basis in actually important, play a very important role in the machine learning process.
Bora đã đề cập có training và inference, và thậm chí trong training và inference, có các mạng khác nhau, các ứng dụng khác nhau, và cũng có những thuật toán mới nổi xuất hiện hàng ngày, có thể thậm chí hàng giờ đóng vai trò thực sự quan trọng, trong quá trình học máy.
So we are definitely really interested in understanding the application behaviors, and also explore potential hardware mechanism to make them run more efficiently, especially in power constrained devices.
Vì vậy chúng tôi thực sự quan tâm đến việc hiểu rõ hành vi của các ứng dụng, và cũng khám phá các cơ chế phần cứng tiềm năng để giúp chúng chạy hiệu quả hơn, đặc biệt trên các thiết bị hạn chế năng lượng.
So that's the first angle. The second one, what we are really interested, is also thinking about not only individual accelerators, but how those different accelerators work together.
Vậy đó là góc nhìn đầu tiên. Góc nhìn thứ hai là những gì chúng tôi thực sự quan tâm, không chỉ là các bộ tăng tốc riêng lẻ, mà là cách các bộ tăng tốc khác nhau hoạt động cùng nhau.
So we talk about the importance of having domain specific accelerators for those emerging applications, and they all have different behaviors, and we'll see all the different applications and the accelerators need to really work together, especially in today's complex SOC, where we have all the different, like 30 or 40 different accelerators.
Vì vậy chúng tôi nói về tầm quan trọng của việc có các bộ tăng tốc chuyên biệt cho các ứng dụng mới nổi đó, và chúng có các hành vi khác nhau, và chúng tôi sẽ thấy tất cả các ứng dụng khác nhau và các bộ tăng tốc cần thực sự làm việc cùng nhau, đặc biệt là trong các SOC phức tạp ngày nay, nơi chúng ta có tất cả những cái khác nhau, như 30 hoặc 40 bộ tăng tốc khác nhau.
They need to interact with each other and the passing data from and to each other.
Chúng cần tương tác với nhau và truyền dữ liệu giữa chúng.
So how to actually make sure they can coordinate in a consistent way and also achieve performance and the efficiency benefit is also very important on our agenda.
Vậy làm thế nào để thực sự đảm bảo rằng chúng có thể phối hợp một cách nhất quán và cũng đạt được lợi ích về hiệu suất và hiệu quả cũng rất quan trọng trong chương trình của chúng tôi.
So we talk about individual accelerator, and also how they work together.
Vậy chúng tôi nói về các bộ tăng tốc riêng lẻ, và cả cách chúng làm việc cùng nhau.
And finally, I think another area where, I personally always have a soft spot, is really thinking about from a methodology point of view how we can, from thinking about all the different efforts need to pour in to design, and also specialize different applications on different hardware platform, what we can do in the methodology space
Và cuối cùng, tôi nghĩ một lĩnh vực khác là một lĩnh vực mà cá nhân tôi luôn có thiện cảm đặc biệt, đó là suy nghĩ từ góc độ phương pháp luận làm thế nào chúng ta có thể, từ việc xem xét tất cả những nỗ lực cần thiết để bỏ ra để thiết kế và cũng chuyên biệt hóa các ứng dụng khác nhau trên các phần cứng khác nhau nền tảng, những gì chúng ta có thể làm trong không gian phương pháp luận
to help designers to navigate this space and make it easier, and also more productive to design new hardware.
để giúp các nhà thiết kế điều hướng trong không gian này và làm cho nó dễ dàng hơn, và cũng năng suất cao hơn để thiết kế phần cứng mới.
I think those three directions are what we are really interested in, and also actively working on, thinking about accelerator, individual acceleration, system integration, and also design methodology here.
Tôi cho rằng ba hướng đó là những gì chúng tôi thực sự quan tâm và cũng đang tích cực làm việc trên, suy nghĩ về accelerator, tăng tốc từng cái, tích hợp hệ thống, và cũng phương pháp thiết kế ở đây.
Mm-hmm.
Ừm.
BORA NIKOLIC
All right, thank you. What's your opinion about these two chips that we have shown, the PTUs and [INAUDIBLE] that in your space are made?
Được rồi, cảm ơn bạn. Ý kiến của bạn về hai chip này là gì mà chúng ta đã trình bày, các PTU và [INAUDIBLE] mà trong không gian của bạn được tạo ra?
SOPHIA SHAO
Right, that's a good question. I think, as I mentioned earlier, first it's really exciting to see the development from non-traditional hardware vendors.
Đúng, đó là một câu hỏi hay. Tôi nghĩ, như tôi đã đề cập trước đó, trước tiên nó là thực sự thú vị khi thấy sự phát triển từ các nhà cung cấp phần cứng không truyền thống.
So we see most of the time, when we talk about hardware designs, Intel, AMD, IBM, and Nvidia, those are basically the major players.
Vì vậy chúng ta thấy hầu hết thời gian, khi chúng ta nói về thiết kế phần cứng, Intel, AMD, IBM và Nvidia, đó cơ bản là những người chơi chính.
And it's interestingly, although everyone is actually participating in the machine learning space, the two example that Bora mentioned earlier, one is from Google, which is actually more software company, and another one is actually from a startup, Cerberus.
Và điều thú vị là, mặc dù tất cả mọi người thực sự tham gia vào lĩnh vực học máy, hai ví dụ mà Bora đã đề cập trước đó, một là từ Google, thực tế là một công ty phần mềm hơn, và cái kia thực sự từ một công ty khởi nghiệp, Cerberus.
So I think the area is getting really interesting in this space, with not only participation from major hardware vendors, but also from new players, both traditional software companies, and also startups.
Vì vậy tôi nghĩ lĩnh vực này đang trở nên thực sự thú vị trong không gian này, không chỉ sự tham gia từ các nhà cung cấp phần cứng lớn, mà còn từ những người chơi mới, cả các công ty phần mềm truyền thống, và cả những startup.
And all of them, actually, are participating in this hardware for machine learning design. So I think one thing definitely stand out in both two examples that Bora showed earlier is the scale.
Và tất cả họ, thực tế, đều đang tham gia vào phần cứng này cho thiết kế máy học. Vì vậy, tôi nghĩ một điều chắc chắn nổi bật trong cả hai ví dụ mà Bora đã trình bày trước đó là quy mô.
So both the Cerberus chip, we talk about how big it is, and all the different components, they need to actually work together, and also the TPUv3, a lot of performance is actually on multi-node, hundreds or even thousands of nodes.
Vì vậy, cả chip Cerberus, chúng ta nói về độ lớn của nó, và tất cả các thành phần khác nhau, chúng thực sự cần phải hoạt động cùng nhau, và cả TPUv3, rất nhiều hiệu suất thực tế là trên đa nút, hàng trăm hoặc thậm chí hàng nghìn nút.
All of those need to actually work together.
Tất cả chúng đều cần phải hoạt động cùng nhau.
So definitely, we see a lot of the, especially the emerging training accelerators turning, in some way similar to HPC problem, where not only we need to design each individual node very efficiently, but also need to think about how the different nodes actually work together in a consistent fashion.
Vì vậy, chắc chắn, chúng ta nhìn thấy rất nhiều, đặc biệt là các bộ tăng tốc huấn luyện mới nổi chuyển theo một cách nào đó tương tự như bài toán HPC, trong đó không chỉ chúng ta cần thiết kế từng nút riêng lẻ rất hiệu quả, mà còn cần phải suy nghĩ về cách các nút khác nhau thực sự làm việc cùng nhau một cách nhất quán.
So that's definitely very important these days in the hardware for machine learning space. At the same time, I mentioned those two are mostly, like, training and large scale.
Vì vậy đó chắc chắn là rất quan trọng ngày nay trong phần cứng cho không gian học máy. Cùng lúc đó, tôi đã đề cập hai cái đó chủ yếu là như, huấn luyện và quy mô lớn.
We also see really exciting development in the edge space, where low power, low power devices, even microcontrollers, how could they actually potentially support efficient machine learning algorithm.
Chúng ta cũng thấy những phát triển rất thú vị trong không gian biên, nơi các thiết bị công suất thấp, công suất thấp, thậm chí các vi điều khiển, làm thế nào họ có thể thực sự có khả năng hỗ trợ hiệu quả thuật toán học máy.
Mostly, of course, in the inference space. That's also very important. We also see lots of development in those space.
Chủ yếu, tất nhiên, trong không gian suy luận. Điều đó cũng rất quan trọng. Chúng ta cũng thấy rất nhiều phát triển trong các lĩnh vực đó.
And we definitely see, maybe one is little scale, especially for the training, the large scale data center scale, and another one is actually for the edge devices.
Và chúng ta chắc chắn thấy, có lẽ cái này ở quy mô nhỏ, đặc biệt là để huấn luyện, quy mô trung tâm dữ liệu lớn quy mô, và cái kia thực sự là cho các thiết bị biên.
Under extreme conditions, how can we actually design more efficient hardware in those scenarios.
Dưới những điều kiện cực đoan, chúng ta có thể thực sự thiết kế phần cứng hiệu quả hơn trong những tình huống đó.
DAN GARCIA
I have a quick question. Let me add something here.
Tôi có một câu hỏi nhanh. Để tôi thêm thứ gì đó ở đây.
When Cathy Yelik came to visit us, she said that in most of the HPC applications, high performance computing applications, they noticed that they were not processor limited, but they were I/O limited.
Khi Cathy Yelik đến thăm chúng tôi, cô ấy nói rằng trong hầu hết các ứng dụng HPC, ứng dụng tính toán hiệu suất cao, họ nhận thấy rằng họ không bị giới hạn bởi bộ xử lý, mà họ bị giới hạn bởi I/O.
So I/O, because moving data around is the most costly thing they noticed as it did an audit of where time is being spent. Just moving data is just remarkably expensive in terms of time.
Vì vậy I/O, vì di chuyển dữ liệu xung quanh là điều tốn kém nhất họ nhận thấy khi thực hiện kiểm tra xem thời gian được dùng vào đâu. Chỉ việc di chuyển dữ liệu thôi cũng tốn kém một cách đáng kể về mặt thời gian.
Are we seeing that as much on the TPU, you know, a million nodes of TPUv3.
Chúng ta có thấy điều đó nhiều trên TPU không, biết đó, một triệu nút TPUv3.
Is it really that's where — like what's the bottleneck, I guess, in these new domain specific architectures, I guess that's the question.
Đó có thực sự là — đó là điểm thắn chặn như thế nào, tôi đoán, trong những kiến trúc chuyên dụng mới, tôi đoán đó là câu hỏi.
SOPHIA SHAO
That's a good question. I think, first, it really depends on the applications.
Đó là một câu hỏi hay. Tôi nghĩ, trước tiên, nó thực sự phụ thuộc vào ứng dụng.
So in this particular case, a lot of training applications is still pretty compute intensive in the sense that we talk about the compute to memory ratios that Cathy and Patterson, they used to also use the roofline model to quantify that.
Vì vậy trong trường hợp cụ thể này, nhiều ứng dụng huấn luyện vẫn khá tính toán chuyên sâu theo nghĩa mà chúng ta nói về tỉ số tính toán trên bộ nhớ mà Cathy và Patterson đã sử dụng để cũng sử dụng mô hình roofline để định lượng điều đó.
So a lot of those compute kernels, they are indeed very computer intensive, so there is an infinite compute actually going on in individual nodes.
Vì vậy, rất nhiều trong số những kernel tính toán đó, chúng thực sự rất tính toán phức tạp, vì vậy có thực sự có một lượng tính toán vô hạn đang diễn ra trong các nút riêng lẻ.
But once we especially look at some of the MLPerf results, where we are basically competing to see the best performance that we can get, what's really interesting in the sense that, of course, the easiest way is basically scale up to any, like as many machines as possible.
Nhưng khi chúng ta nhìn vào một số kết quả MLPerf, nơi chúng ta cơ bản cạnh tranh để xem hiệu suất tốt nhất mà chúng ta có thể đạt được, điều thực sự thú vị là rằng tất nhiên, cách dễ nhất về cơ bản là mở rộng quy mô lên bất kỳ, giống như nhiều máy tính càng tốt.
There's no limit in terms of the number of nodes that you use. You could use as many nodes as possible.
Không có giới hạn về số lượng nút mà bạn sử dụng. Bạn có thể sử dụng nhiều nút càng tốt.
But typically, the reason all those different hardware or the software vendor stop at a particular node is because it doesn't scale anymore.
Nhưng thông thường, lý do mà tất cả các phần cứng khác nhau đó hoặc các nhà cung cấp phần mềm dừng lại ở một nút cụ thể là vì nó không còn mở rộng quy mô được nữa.
You will see the reports of say, oh, we used 2,000 nodes to reach this performance. The reason they don't use 4,000 nodes is not because they don't have 4,0000 nodes.
Các bạn sẽ thấy những báo cáo như, ồ, chúng tôi dùng 2.000 nút để đạt hiệu suất này. Lý do họ không dùng 4.000 nút không phải vì họ không có 4.000 nút.
It's because when they actually further split things up to 4,000 nodes, it actually they don't get better performance.
Mà là vì khi họ thực sự chia nhỏ hơn nữa thành 4.000 nút, thực tế họ không được hiệu suất tốt hơn.
So for those extreme conditions, we definitely see, given the application have so much extra compute to memory use, we already see some of the compute bunt scenarios showing up when we look at this kind of machine learning space.
Vì vậy ở những điều kiện cực đoan như vậy, chúng ta chắc chắn thấy, với ứng dụng có rất nhiều tính toán thừa so với bộ nhớ sử dụng, chúng ta đã thấy một số tình huống bùng nổ tính toán xuất hiện khi chúng ta nhìn vào loại không gian học máy này.
Yeah. Very good point.
Vâng. Rất hay.
BORA NIKOLIC
That's great. And it all gets us in the end.
Tuyệt vời. Và tất cả đều dẫn chúng ta đến cuối cùng.
DAN GARCIA
Yeah, I was going to say, where is Andal in here? The students don't know that yet. But they'll see it. They'll see it in a couple of weeks.
Vâng, tôi định nói, Andal ở đâu ở đây? Các sinh viên chưa biết điều đó. Nhưng họ sẽ thấy nó. Họ sẽ thấy nó trong vài tuần nữa.
Exactly. Exactly, go ahead.
Chính xác. Chính xác, cứ tiếp tục.
BORA NIKOLIC
Yeah, a question, quick question for you. You teach 151. Can you tell us something about that? Can you put the little advertisement for that class?
Có, một câu hỏi nhanh cho bạn. Bạn dạy 151. Bạn có thể kể cho chúng tôi điều gì về lớp đó không? Bạn có thể quảng cáo nhỏ cho lớp đó không?
I think about 10% of this class are going to wind up in 151.
Tôi nghĩ khoảng 10% lớp này sẽ kết thúc ở 151.
SOPHIA SHAO
Oh, that's wonderful.
Ơi, điều đó thật tuyệt vời.
BORA NIKOLIC
Why should they do that? Why should they?
Tại sao họ nên làm vậy? Tại sao họ nên làm vậy?
SOPHIA SHAO
Of course. I heard you had more than 1,000 students this year. So we should be expecting a lot of students coming to 151. That's wonderful.
Tất nhiên. Tôi nghe nói bạn có hơn 1.000 sinh viên năm nay. Vậy chúng ta nên mong đợi rất nhiều sinh viên đến với 151. Tuyệt vời quá.
So yeah, I teach one 151, which is Introduction to Digital Logic, and also Integrated Circuit.
Vâng, tôi dạy một lớp 151, đó là Nhập môn Mạch logic số và cũng Mạch tích hợp.
It is Intro to hard — well, not necessarily intro, but definitely thinking about digital design and also hardware design.
Đây là Nhập môn — chà, chưa chắc là nhập môn, nhưng chắc chắn là về thiết kế số và cũng thiết kế phần cứng.
Where it's as the name suggests, it's a EE and a CS course, which it actually truly brings electrical engineering and also computer science together.
Như tên gọi, nó là một khóa học kỹ thuật điện và khoa học máy tính, nó thực sự kết hợp kỹ thuật điện cũng như khoa học máy tính lại với nhau.
So in this course, you will actually see not only how to actually map your program to the different instruction set, but I'll actually build specific hardware following like specific ISA specifications, so that you can actually build your hardware easily in Verilog or ASIC to have something actually fabricable
Vậy trong khóa học này, bạn thực sự sẽ thấy không chỉ cách ánh xạ chương trình của mình tới các bộ tập lệnh khác nhau, mà tôi sẽ thực sự xây dựng phần cứng cụ thể tuân theo các thông số ISA cụ thể, để bạn có thể thực sự xây dựng phần cứng của mình dễ dàng trong Verilog hoặc ASIC để có cái gì đó thực sự có thể sản xuất được
in the hardware in the end. It's also okay if you have a more EE background. I think, I assume for this crowed, that most CS students have more CSE background.
trong phần cứng cuối cùng. Cũng không sao nếu bạn có nền tảng EE nhiều hơn. Tôi nghĩ, tôi giả định cho nhóm này, rằng hầu hết sinh viên CS có nền tảng CSE nhiều hơn.
But you will also learn actually a lot of EE concept, where you, how we actually build register file, how we actually build ALE in hardware, how transistor actually behave, how can you assemble different transistors together for all the different digital logic.
Nhưng bạn cũng sẽ học thực sự rất nhiều khái niệm EE, khi bạn, cách chúng ta thực sự xây dựng file thanh ghi, cách chúng ta thực sự xây dựng ALU trong phần cứng, cách transistor thực sự hoạt động, làm thế nào bạn có thể lắp ráp các transistor khác nhau với tất cả các logic số kỹ thuật số khác nhau.
So we will actually see the entire stack, from ISA to hardware implementation, and see all the transistors behave. It's also — DAN GARCIA: That's this week. That's this week.
Vì vậy chúng ta sẽ thực sự thấy toàn bộ ngăn xếp, từ ISA đến triển khai phần cứng, và xem tất cả các transistor hoạt động. Nó cũng — DAN GARCIA: Đó là tuần này. Đó là tuần này.
You just advertised for why the students should watch this week's lecture. I love it.
Bạn vừa quảng cáo lý do tại sao sinh viên nên xem bài giảng tuần này. Tôi thích điều đó.
SOPHIA SHAO
Very important. Very important.
Rất quan trọng. Rất quan trọng.
DAN GARCIA
Thank you much. This is great.
Cảm ơn bạn nhiều. Điều này tuyệt vời.
SOPHIA SHAO
That's wonderful.
Điều đó tuyệt vời.
DAN GARCIA
I love it.
Tôi thích điều đó.
SOPHIA SHAO
So this week, so it sounds like this week will be very important also for 151.
Vậy tuần này, nghe có vẻ như tuần này cũng sẽ rất quan trọng cho 151.
So after you see the entire stack in 151, you will actually build real hardware in either FPGA, we mentioned earlier. That's a very cool platform.
Vì vậy, sau khi bạn thấy toàn bộ stack trong 151, bạn sẽ thực sự xây dựng phần cứng thực tế trong FPGA, mà chúng ta đã đề cập trước đó. Đó là một nền tảng rất tuyệt vời.
You can actually prototype different functionalities onto the board or using ASIC flow, which is actually pretty close to the state of our commercial flow that is able to actually eventually take out a chip in the end.
Các bạn có thể thực sự tạo nguyên mẫu các chức năng khác nhau trên bảng hoặc sử dụng quy trình ASIC, cái mà thực sự khá giống với quy trình thương mại của chúng ta có thể thực sự cuối cùng tạo ra một chip.
So that's a really cool class, covering a lot of the hardware, and also hardware architecture details, and the really useful for any hardware engineering career that you are interested in pursuing, whether it's the industry or academia.
Vì vậy đó là một lớp học thực sự tuyệt vời, bao gồm rất nhiều phần cứng và cả chi tiết kiến trúc phần cứng, và rất hữu ích cho bất kỳ sự nghiệp kỹ thuật phần cứng nào mà các bạn quan tâm theo đuổi, cho dù đó là trong công nghiệp hay học viện.
It will enable you to build, actually physically build any type of hardware that you are interested. And is also a very hands-on class. We have a very important lab component.
Nó sẽ cho phép các bạn xây dựng, thực sự xây dựng vật lý bất kỳ loại phần cứng nào mà các bạn quan tâm. Và cũng là một lớp học rất thực hành. Chúng tôi có một thành phần lab rất quan trọng.
You will actually go through the lectures and goes through the lab to see how the different things actually mapped in hardware. So it's actually a direct follow up of 61C.
Bạn sẽ thực sự đi qua các bài giảng và tham gia lab để xem cách các thứ khác nhau được ánh xạ thực sự vào phần cứng. Vì vậy nó thực sự là một tiếp nối trực tiếp của 61C.
You see all the different components in 61C, and will go a little bit deeper to actually see how we turn all the different concepts that you cover, sounds like this week, into hardware.
Bạn thấy tất cả các thành phần khác nhau trong 61C, và sẽ đi sâu hơn một chút để thực sự xem cách chúng ta biến tất cả các khái niệm khác nhau mà bạn đã bao quát, như tuần này, thành phần cứng.
BORA NIKOLIC
Actually, this week and next week is what we — DAN GARCIA: Exactly.
Thực sự, tuần này và tuần tới là những gì chúng ta — DAN GARCIA: Chính xác.
BORA NIKOLIC
That's where 151 starts from, from where we leave it off in about a week or so. How is 151?
Đó là nơi 151 bắt đầu, từ nơi chúng ta kết thúc khoảng một tuần nữa. 151 thế nào?
I mean, there is a hardware component, how is that going online this semester?
Tôi muốn nói, có một thành phần phần cứng, thì nó tiến hành như thế nào khi học online trong học kỳ này?
DAN GARCIA
How are you even working with the online space? So you used to be stuck in the lab, the digital lab for hours. How do they do that at home?
Các bạn làm việc với môi trường online như thế nào? Vậy nên trước đây các bạn phải ngồi trong phòng lab, phòng lab kỹ thuật số hàng giờ liền. Thế thì các em làm như thế nào khi ở nhà?
What's the equivalent?
Cái tương đương là gì?
SOPHIA SHAO
Those are very good question. So that was also our major concern, especially starting during the summer when we start preparing this class. So first, we have a wonderful team of teaching staff.
Đó là những câu hỏi rất hay. Vậy nên đó cũng là mối quan tâm chính của chúng tôi, đặc biệt là khi bắt đầu vào mùa hè khi chúng tôi bắt đầu chuẩn bị cho lớp học này. Vì vậy, trước tiên, chúng tôi có một đội ngũ giảng dạy tuyệt vời.
Our GSIs are wonderful. They put a lot of time into this. One thing we did do is early in the summer, where as I mentioned, there is a very strong lab component.
Các GSI của chúng tôi rất tuyệt vời. Các em dành rất nhiều thời gian cho việc này. Một điều chúng tôi đã làm là sớm vào mùa hè, nơi như tôi đã đề cập, có một thành phần lab rất mạnh.
So we do want the students still experience lab, even we are in this virtual world. So starting in the summer, we already reached out to students.
Vì vậy chúng tôi muốn sinh viên vẫn có trải nghiệm lab, ngay cả khi chúng ta đang ở trong thế giới ảo này. Vì vậy, từ hè năm đó, chúng tôi đã tiếp cận các sinh viên.
For students who are interested in FPGA lab, we basically shipped the boards to them. So they actually have a set of boards that's required for them to do the labs.
Đối với những sinh viên quan tâm đến phòng thực hành FPGA, chúng tôi về cơ bản đã gửi các bảng mạch cho họ. Vì vậy họ thực sự có một bộ bảng mạch được yêu cầu để làm các phòng thực hành.
And our teaching staff also figure out basically two ways of programming.
Và đội giảng dạy của chúng tôi cũng tìm ra về cơ bản hai cách lập trình.
So FPGA, either through a remote access with our instructional servers, or a small virtual machine that you can use to actually log their programs onto their FPGA.
Vì vậy FPGA, thông qua truy cập từ xa với các máy chủ giảng dạy của chúng tôi, hoặc một máy ảo nhỏ mà bạn có thể sử dụng để thực sự đăng nhập các chương trình của họ vào FPGA của họ.
So instead of relying completely on the instruction servers, as what we did before, students can actually create local set up on your laptop, actually, to program the FPGAs directly.
Vì vậy thay vì hoàn toàn phụ thuộc vào các máy chủ hướng dẫn, như những gì chúng tôi đã làm trước đây, sinh viên có thể thực sự tạo một tập hợp cục bộ trên laptop của bạn, thực tế là, để lập trình trực tiếp cho các FPGA.
And second, for students who are concerned about the FPGA lab, and also the physical interactions, we also set up a really smooth ASIC flow, where all the lab component and also project components can actually be done completely remotely, because as long as we provide remote access.
Và thứ hai, đối với những sinh viên lo lắng về phòng thực hành FPGA, và cũng những tương tác vật lý, chúng tôi cũng thiết lập một quy trình ASIC rất mượt mà, nơi mà tất cả các thành phần lab và cũng các thành phần dự án thực sự có thể được thực hiện hoàn toàn từ xa, bởi vì miễn là chúng tôi cung cấp truy cập từ xa.
So we do have also a record high number of students actually being enrolled in the ASIC class. So compared to the FPGA lab, you actually don't need anything on your end.
Vì vậy chúng tôi cũng có một số kỷ lục cao về số lượng sinh viên thực sự được ghi danh trong lớp ASIC. Vì vậy so với lab FPGA, bạn thực sự không cần bất cứ thứ gì ở phía bạn.
As long as you have your laptop, you can actually remote access to our instructional server, you can actually go through the same very important design principles directly on your end.
Miễn là bạn có laptop của bạn, bạn thực sự có thể truy cập từ xa đến máy chủ hướng dẫn của chúng tôi, bạn thực sự có thể đi qua các nguyên tắc thiết kế rất quan trọng tương tự trực tiếp ở phía bạn.
So I think that also alleviate a lot of students' concern. So we're still halfway or less than halfway through the semester. We're finished four labs.
Vì vậy tôi nghĩ điều đó cũng giảm bớt rất nhiều lo ngại của sinh viên. Vì vậy chúng tôi vẫn còn khoảng nửa hoặc ít hơn nửa qua học kỳ này. Chúng tôi đã hoàn thành bốn bài lab.
So still two more labs, and the project to go. At least so far, so good. I think the team of GSIs are very important.
Vậy là còn hai bài lab nữa, và dự án phải làm. Ít nhất là cho đến nay, mọi thứ đều tốt. Tôi nghĩ nhóm các GSI rất quan trọng.
We all of us pouring a lot of time to interact with the students, so to get questions answered and holding live labs, and also finding personalized way to interact with the students.
Tất cả chúng tôi đều dành rất nhiều thời gian để tương tác với sinh viên, để trả lời các câu hỏi và tổ chức các bài lab trực tiếp, cũng như tìm cách cá nhân hóa để tương tác với sinh viên.
So so far, so good. We'll see how this scales. And we did, during the summer process, we also figure out a way, actually, to use AWS to actually program FPGA.
Vậy là cho đến nay, mọi thứ đều tốt. Chúng ta sẽ xem cách nó mở rộng quy mô. Và chúng tôi đã làm, trong quá trình hè, chúng tôi cũng tìm ra một cách, thực tế, để sử dụng AWS để lập trình FPGA.
We didn't end up pursuing that route in the end, but if the remote instructor become a new norm, I think that would also be very useful for classes like 151.
Chúng tôi đã không theo đuổi con đường đó cuối cùng, nhưng nếu hình thức giảng dạy từ xa trở thành chuẩn mực, tôi nghĩ rằng nó cũng sẽ rất hữu ích cho các lớp như 151.
DAN GARCIA
That's great. Thank you for all your hard work to support our students who are all around the world taking these Berkeley courses. Thank you so much for that work in there.
Điều đó thật tuyệt vời. Cảm ơn bạn vì tất cả công sức của bạn để hỗ trợ những sinh viên của chúng ta ở khắp nơi trên thế giới đang học các khóa học Berkeley này. Cảm ơn rất nhiều vì công việc đó của bạn.
I see two questions in the Q&A. Bora, do you want to jump on those, or should I jump on them?
Tôi thấy có hai câu hỏi trong Q&A. Bora, bạn có muốn trả lời những câu hỏi đó không, hay tôi trả lời?
BORA NIKOLIC
Yeah, why don't you read them?
Vâng, sao bạn không đọc chúng?
DAN GARCIA
Yeah, sure. I thought they were very good questions. So Simon asks, how do you know when to make an accelerator for specialized applications?
Vâng, chắc chắn. Tôi nghĩ đó là những câu hỏi rất hay. Vậy Simon hỏi, làm sao bạn biết khi nào nên tạo một bộ tăng tốc cho các ứng dụng chuyên dụng?
For example, if you make a chip for speech recognition, another other chip for other things, will you have too many specialized chips that are performing worse than a single generalized chip?
Ví dụ, nếu bạn tạo một chip cho nhận dạng giọng nói, một chip khác cho những thứ khác, bạn sẽ có quá nhiều chip chuyên dụng hoạt động kém hơn một chip đa năng duy nhất?
What's the trade-off there?
Sự đánh đổi ở đây là gì?
SOPHIA SHAO
That's a really good question.
Đó là một câu hỏi thực sự tốt.
I think that's also very important in basically in the past 10 years, when people started approaching the accelerator design, people have started thinking about hardware acceleration — like hardware accelerators are not new idea.
Tôi nghĩ điều đó cũng rất quan trọng về cơ bản trong vòng 10 năm qua, khi mọi người bắt đầu tiếp cận thiết kế bộ tăng tốc, mọi người đã bắt đầu suy nghĩ về gia tốc phần cứng — như các bộ gia tốc phần cứng không phải là ý tưởng mới.
I'm not sure whether you folks cover floating point unit.
Tôi không chắc liệu các bạn có đề cập đến đơn vị floating point không.
DAN GARCIA
Yeah, floating point code processors, 6881. 6881. I remember that one well.
Có, bộ xử lý floating point code, 6881. 6881. Tôi nhớ cái đó rõ lắm.
SOPHIA SHAO
Exactly. That's basically the first accelerator. I think one of the first. Exactly.
Chính xác. Về cơ bản đó là bộ tăng tốc đầu tiên. Tôi nghĩ nó là một trong những bộ tăng tốc đầu tiên. Chính xác.
That's basically one of the first accelerators that we built. Basically a function that may not be required for all the applications, but might be actually very important for a subset of applications.
Về cơ bản đó là một trong những bộ tăng tốc đầu tiên mà chúng ta xây dựng. Về cơ bản là một chức năng có thể không cần thiết cho tất cả các ứng dụng, nhưng lại có thể rất quan trọng cho một tập con các ứng dụng.
We are interested in thinking about hardware mechanism for that. So it has been going on for a while. It's really interesting how machine learning actually completely changed the landscape.
Chúng ta quan tâm đến việc suy nghĩ về cơ chế phần cứng cho điều đó. Nó đã tiếp diễn trong một thời gian. Thực sự rất thú vị là machine learning thực tế đã hoàn toàn thay đổi bối cảnh.
That really actually make it very, very feasible, actually, for a lot of companies — we see all the amount of activities going on here — to think about specialized.
Điều đó thực sự làm cho nó rất, rất khả thi, thực tế, cho nhiều công ty — chúng ta thấy lượng hoạt động lớn đang diễn ra ở đây — để suy nghĩ về những công nghệ chuyên biệt.
Because there is a huge market, a lot of use cases for it.
Vì có một thị trường khổng lồ, rất nhiều trường hợp sử dụng cho nó.
So I think, to Simon's question earlier, to how we actually decide to make an accelerator for that, I think partially, or unfortunately, they're largely a market decision, or application decision, where we really need to think about what applications are really important that can actually reach to a large amount on market.
Vì vậy tôi nghĩ, trả lời câu hỏi trước đó của Simon, về cách chúng ta thực sự quyết định xây dựng một bộ tăng tốc cho điều đó, tôi nghĩ một phần, hoặc không may là, chúng chủ yếu là một quyết định của thị trường, hoặc quyết định ứng dụng, nơi chúng ta thực sự cần suy nghĩ về những ứng dụng nào thực sự quan trọng mà có thể thực sự đạt tới một lượng lớn trên thị trường.
So this is more, like we talk about hardware architecture is really thinking about — architecture is something in between. Think about application and also think about underlying device technology.
Vì vậy điều này còn giống như khi chúng ta nói về kiến trúc phần cứng là thực sự suy nghĩ về — kiến trúc là thứ gì đó ở giữa. Hãy suy nghĩ về ứng dụng và cũng suy nghĩ về công nghệ thiết bị cơ bản của nó.
So for all the students who are interested in hardware, always very important to see the application trend and what kind of — what patterns, what kind of behaviors of applications are getting important.
Vì vậy, với tất cả các bạn sinh viên quan tâm đến phần cứng, luôn rất quan trọng để xem xu hướng ứng dụng và những mẫu nào — những mẫu gì, những hành vi nào của các ứng dụng đang trở nên quan trọng.
So I think that's one of the reasons, one of the very important factors in thinking about accelerator.
Vì vậy, tôi nghĩ đó là một trong những lý do, một trong những yếu tố rất quan trọng khi suy nghĩ về gia tốc.
At the same time, another important factor in thinking about what kind of component can be accelerated also depends on the application patterns.
Đồng thời, một yếu tố quan trọng khác khi suy nghĩ về loại thành phần nào có thể được gia tốc cũng phụ thuộc vào các mẫu ứng dụng.
It's really nice for machine learning, in the sense not only it reaches so many different applications areas, but also, in thinking about accelerator patterns. It's actually perfect for hardware acceleration.
Nó thực sự tốt cho học máy, ở chỗ không chỉ nó tiếp cận được nhiều ứng dụng khác nhau các lĩnh vực, mà còn khi suy nghĩ về các mẫu gia tốc. Nó thực sự hoàn hảo cho tăng tốc phần cứng.
And one of the reasons to make actually machine learning so widely used is actually when it's mapped onto GPU, or graphic processing unit, it actually reach a pretty impressive performance, even GPU is actually not designed for machine learning.
Và một trong những lý do để thực sự tạo ra làm cho machine learning được sử dụng rộng rãi thực chất là khi nó được ánh xạ lên GPU, hay đơn vị xử lý đồ họa, nó thực sự đạt được hiệu suất ấn tượng, ngay cả khi GPU thực ra không được thiết kế cho machine learning.
So we also, of course, I mentioned earlier, there is a marketing reason for, like market reason for that, what application has a bigger reach.
Vậy nên chúng ta cũng, tất nhiên, như tôi đã nói trước đó, có lý do marketing, hay lý do thị trường cho việc ứng dụng nào có phạm vi tiếp cận lớn hơn.
And second, there is definitely also technology and also hardware reasons here. In the sense, kind of application behavior can be a better fit for hardware acceleration.
Và thứ hai, chắc chắn cũng có lý do công nghệ và lý do phần cứng ở đây. Theo nghĩa là, loại hành vi ứng dụng có thể phù hợp hơn cho gia tốc phần cứng.
And certain applications, especially regular applications like machine learning, have very regular access patterns, and not very straightforward control flows, and also very regular memory accesses. All those patterns are very important.
Và những ứng dụng nhất định, đặc biệt là những ứng dụng có cấu trúc đều đặn như machine learning, có các mẫu truy cập rất đều đặn, và không có lưu lượng điều khiển rất trực tiếp, và cũng có các truy cập bộ nhớ rất đều đặn. Tất cả những mẫu đó rất quan trọng.
So we think about application also need to look for those patterns here.
Vì vậy chúng ta cũng cần suy nghĩ về ứng dụng và tìm kiếm những mẫu này ở đây.
DAN GARCIA
I think there's also the domain issue. You've got, like think about Alexa. Alexa has to make a determination locally without going to the cloud. Did you say the wake word, Alexa.
Tôi nghĩ cũng có vấn đề về miền ứng dụng. Hãy thử nghĩ về Alexa chẳng hạn. Alexa phải đưa ra một quyết định ngay tại chỗ mà không cần đến cloud. Bạn đã nói từ khóa唤醒Alexa.
But then after you say Alexa, it takes what you say and sends it to the cloud.
Nhưng sau khi bạn nói Alexa, nó lấy những gì bạn nói và gửi nó đến cloud.
So how much has to be done locally for any particular application, versus could be done by millions of machines waking up doing something, like a Google search or an Alexa NLP problem, and coming back.
Vì vậy bao nhiêu phần phải được xử lý tại chỗ cho bất kỳ ứng dụng cụ thể nào, và bao nhiêu phần có thể được thực hiện bởi hàng triệu máy được kích hoạt thực hiện một điều gì đó, như tìm kiếm Google hoặc một bài toán NLP của Alexa, rồi quay lại.
Can you wait that little half second for it to go to the cloud and come back. The cloud is amazing.
Bạn có thể chờ nửa giây đó để gửi lên đám mây và nhận kết quả về. Đám mây thực sự tuyệt vời.
So how much has to be done locally maybe at the edge versus being done at the system core level up in the cloud. Second question. Yeah, second question.
Vậy phải xử lý bao nhiêu ở máy local có thể ở cạnh hệ thống so với xử lý ở mức lõi của hệ thống lên trên đám mây. Câu hỏi thứ hai. Vâng, câu hỏi thứ hai.
What aspect of the R&D that you do applies only to the domain of — this is Benjamin, by the way — to the domain of machine learning?
Khía cạnh nào của R&D mà bạn thực hiện chỉ áp dụng cho lĩnh vực — đây là Benjamin, nhân tiện — cho lĩnh vực của machine learning?
So of the R&D you do, how much of it is just machine learning specific? Because it's such a big problem, and you're trying to carve some kind of a hardware solution to that.
Vậy trong R&D của bạn, bao nhiêu phần chỉ riêng machine learning? Bởi vì đó là một vấn đề rất lớn, và bạn đang cố gắng tạo ra một loại giải pháp phần cứng cho vấn đề đó.
Versus what you're doing is generalizable for approaching the general problems of domain specialization. So how much is machine learning specific?
So với điều bạn đang làm là có thể tổng quát hóa để tiếp cận các vấn đề chung của chuyên hóa miền. Vậy có bao nhiêu là riêng cho machine learning?
And if it weren't machine learning, nobody can use it, but how much of it actually could be — how much of your own research and development can be used in other another applications?
Và nếu không phải machine learning, không ai có thể sử dụng nó, nhưng có bao nhiêu trong đó thực sự có thể được — có bao nhiêu trong R&D của bạn có thể được sử dụng trong các ứng dụng khác?
SOPHIA SHAO
Right, this is also really a good question, Benjamin.
Đúng, đây cũng là một câu hỏi rất tốt, Benjamin.
So I mentioned earlier, thinking about both application, how we can attribute specialized hardware for it, and second, really thinking about system integration, how we can actually tie different accelerators together.
Vậy tôi đã đề cập sớm hơn, suy nghĩ về cả ứng dụng, cách chúng ta có thể gán phần cứng chuyên hóa cho nó, và thứ hai, thực sự suy nghĩ về tích hợp hệ thống, cách chúng ta thực sự có thể kết nối các bộ gia tốc khác nhau lại với nhau.
And finally, thinking about from work design methodologies perspective, how we can actually improve the design process. I would say, maybe the first one is more tied to a specific algorithm.
Và cuối cùng, từ góc độ phương pháp thiết kế chúng ta có thể cải thiện quá trình thiết kế như thế nào. Tôi sẽ nói rằng, có lẽ cái đầu tiên gắn liền với một thuật toán cụ thể.
But the other two are more generalizable in thinking about, like things like Simon mentioned earlier. You may actually have different accelerators, how we actually use them efficiently, and how we actually integrate them together.
Nhưng hai cái còn lại có thể áp dụng rộng rãi hơn khi suy nghĩ về, như những thứ Simon đã đề cập sớm hơn. Bạn thực tế có thể có các bộ tăng tốc khác nhau, chúng ta thực tế sử dụng chúng hiệu quả như thế nào, và chúng ta thực tế tích hợp chúng lại với nhau như thế nào.
And finally, in terms of design process, whether some of the methodologies or design process that we used for machine learning accelerators, or thinking about machine learning applications can also be useful for some other application domains.
Và cuối cùng, về mặt quá trình thiết kế, liệu một số phương pháp hoặc quá trình thiết kế mà chúng ta sử dụng cho các bộ tăng tốc học máy, hoặc suy nghĩ về các ứng dụng học máy cũng có thể hữu ích cho một số miền ứng dụng khác.
So on this point, I also want to just read the full question from Simon earlier, in terms of how this will be actually used for other specialized nodes.
Vì vậy, về điểm này, tôi cũng muốn đọc toàn bộ câu hỏi từ Simon hỏi trước đó, về cách mà nó sẽ được sử dụng thực tế cho các nút chuyên dụng khác.
I do want to actually encourage you to think more, instead of building application specific hardware, or ASIC, what we used to call, which has been also around for a while, I think we do need to emphasize on the domain-specific part, instead of application specific parts.
Tôi muốn khuyến khích các bạn suy nghĩ thêm, thay vì xây dựng phần cứng ứng dụng cụ thể, hay ASIC, cái mà chúng tôi thường gọi, cái mà cũng đã tồn tại từ lâu rồi, tôi nghĩ chúng ta cần nhấn mạnh phần miền ứng dụng, thay vì phần ứng dụng cụ thể.
In the aspect of domain specific, we're not only thinking about how we accelerate this one particular application that only work for this particular piece of code, but the really thinking about what are the common factors across this domain, and how that can actually be uploaded onto hardware.
Trong khía cạnh miền ứng dụng, chúng ta không chỉ suy nghĩ về cách chúng ta tăng tốc độ cho một ứng dụng cụ thể mà chỉ hoạt động cho một đoạn mã cụ thể, mà thực sự suy nghĩ về những yếu tố chung trên toàn miền này, và cách mà nó thực sự có thể được tải lên phần cứng.
In some sense, we will see some of the trend or patterns in the software engineering field when we are actually building a lot of domain specific platforms like PyTorch TensorFlow, and also other platforms in other application spaces.
Theo một cách nào đó, chúng ta sẽ thấy một số xu hướng hoặc mẫu trong lĩnh vực kỹ thuật phần mềm khi chúng ta thực sự đang xây dựng nhiều nền tảng riêng lĩnh vực như PyTorch, TensorFlow, và cũng như các nền tảng khác trong các không gian ứng dụng khác.
We do see more this kind of domain specificity coming up, not only in hardware, but also in software space. And that domain knowledge should be also be transferable.
Chúng ta thực sự thấy loại tính đặc thù lĩnh vực này xuất hiện nhiều hơn, không chỉ trong phần cứng, mà còn trong không gian phần mềm. Và kiến thức lĩnh vực đó cũng nên có thể chuyển giao được.
It depends on the use cases here.
Nó tùy thuộc vào các trường hợp sử dụng ở đây.
BORA NIKOLIC
All right. Thank you, Sophia. Thanks for visiting us over here. And I hear that Sophia is relatively new, so she still takes on undergraduate students [INAUDIBLE].
Được rồi. Cảm ơn, Sophia. Cảm ơn vì đã ghé thăm chúng tôi ở đây. Và tôi nghe rằng Sophia là người tương đối mới, nên cô ấy vẫn còn hướng dẫn các sinh viên đại học [INAUDIBLE].
DAN GARCIA
She doesn't yet know how to say no. So that's — SOPHIA SHAO: Maybe I should start learning that.
Cô ấy chưa biết cách từ chối. Vậy là — SOPHIA SHAO: Có lẽ tôi nên bắt đầu học cách từ chối.
DAN GARCIA
It's way too easy to say yes to everything. And next thing, you can't breathe. So take time for yourself, Sophia.
Thật dễ dàng để nói có với mọi thứ. Rồi bạn không thể thở được. Vì vậy, hãy dành thời gian cho bản thân, Sophia.
SOPHIA SHAO
Thank you.
Cảm ơn.
BORA NIKOLIC
But you guys, while she's still taking students, [INAUDIBLE].
Nhưng các bạn, chừng nào cô ấy vẫn còn nhận sinh viên, [không nghe rõ].
DAN GARCIA
[INAUDIBLE].
[không nghe rõ].
BORA NIKOLIC
Thank you.
Cảm ơn.
DAN GARCIA
Thank you so much, Sophia. Great to see you. Folks, give her a hand. Thanks again, everybody.
Cảm ơn rất nhiều, Sophia. Rất vui được gặp bạn. Các bạn, hãy vỗ tay cho cô ấy. Cảm ơn lại, mọi người.
Thanks again.
Cảm ơn lại.
SOPHIA SHAO
Thank you.
Cảm ơn.
DAN GARCIA
Wonderful, wonderful. That's great. Feel free to head out if you'd like to. Yeah, I'll take it over.
Tuyệt vời, tuyệt vời. Tuyệt lắm. Các bạn cứ tự do ra ngoài nếu muốn. Được, tôi sẽ tiếp lấy.
Perfect, perfect. All right. All right, here we go. So I wanted to show you, if I, yeah give me a pin, and then I'll jump in.
Hoàn hảo, hoàn hảo. Được rồi. Được rồi, bắt đầu nào. Vậy tôi muốn cho các bạn thấy, nếu tôi, có, cho tôi cái pin nhé, và rồi tôi sẽ tiến hành.
Here we go.
Nào.
BORA NIKOLIC
I pinned you.
Tôi đã pin cho bạn rồi.
DAN GARCIA
It's the spotlight, actually. Pinning is just for your own thing. It's the spotlight is the guy.
Đó là spotlight thực sự. Pinning thì chỉ cho riêng bạn thôi. Spotlight mới là thứ chúng ta cần.
BORA NIKOLIC
I tried to give to give you the spotlight.
Tôi đã cố gắng trao spotlight cho bạn.
DAN GARCIA
I got it. I got it. There we go. Okay.
Tôi có rồi. Tôi có rồi. Có rồi. Okay.
So we did this. We did this. I wanted to show to you this, which is we didn't get to show this interesting, I showed this in CS-10. This just came out.
Vậy là chúng ta đã làm cái này. Chúng ta đã làm cái này. Tôi muốn cho bạn xem cái này, cái mà là chúng ta không có cơ hội cho bạn xem cái thú vị này, Tôi đã cho xem cái này trong CS-10. Cái này vừa mới ra.
I think this is like last Thursday or Friday. A drone that flies inside your home. Think about privacy implications. We try to do Computing In The News.
Tôi nghĩ nó như vào thứ Năm hoặc thứ Sáu tuần trước. Một drone bay bên trong nhà bạn. Hãy suy nghĩ về các hàm ý liên quan đến quyền riêng tư. Chúng tôi cố gắng làm Computing In The News.
This is, I guess the idea here is, just to set this up, set the context, if you didn't have a camera on every window, if you only had one main camera for your home security system, only facing out or facing your door, but you had all the windows and things and you heard something.
Ý tưởng ở đây là, tôi đoán, để chuẩn bị, để thiết lập bối cảnh, nếu bạn không có camera ở mọi cửa sổ, nếu bạn chỉ có một camera chính cho hệ thống bảo mật nhà của bạn, chỉ hướng ra ngoài hoặc hướng vào cửa của bạn, nhưng bạn có tất cả các cửa sổ và những thứ, và bạn nghe thấy điều gì đó.
There's something that happened, somebody rattles a window, you didn't think about somebody would break into your side window. Let me just show you this.
Có điều gì đó xảy ra, ai đó lách một cửa sổ, bạn không nghĩ rằng ai đó sẽ đột nhập vào cửa sổ bên cạnh của bạn. Để tôi chỉ cho bạn cái này.
Although the only sound of this is like some ba, da, bum, ba, da, bum, ba, da, bum. There's nothing — there's nobody speaks on this. It's a 30-second video.
Mặc dù âm thanh duy nhất là kiểu như ba, da, bum, ba, da, bum, ba, da, bum. Không có gì — không ai nói chuyện trong video này. Đó là một video 30 giây.
Let me just show you this really fast. And here, bom, bom bom. So here's this, the drone wakes up. You get an alert.
Để tôi chỉ cho bạn cái này thực sự nhanh. Và ở đây, bom, bom bom. Vậy là ở đây, chiếc drone thức dậy. Bạn nhận được một cảnh báo.
Something's in the house. And then you can control the drone. The drone tries to find toward where the sound was. But I think you can also control the drone as well.
Có cái gì đó trong nhà. Và sau đó bạn có thể điều khiển drone. Drone cố gắng tìm hướng nơi có âm thanh. Nhưng tôi nghĩ bạn cũng có thể điều khiển drone.
And by the way, I was told that not everything you're seeing in this video is a real shot. Some of it's simulated. So somebody is just walking around pretending to be a drone.
Và nhân tiện, tôi được biết rằng không phải mọi thứ bạn thấy trong video này là cảnh thực. Một số là mô phỏng. Vì vậy ai đó chỉ đi quanh đó giả vờ là một chiếc drone.
They haven't perfected it yet.
Họ chưa hoàn thiện nó.
But the idea is you'll have this drone that you can either control to see if there's a sound downstairs, and you get a notification of a sound downstairs from a security system.
Nhưng ý tưởng là bạn sẽ có chiếc drone mà bạn có thể điều khiển để xem có âm thanh dưới lầu hay không, và bạn nhận được thông báo về âm thanh dưới lầu từ một hệ thống bảo mật.
And then you'll figure out — you'll figure out what to do. Whether you can fly yourself or not. So I find it fascinating that anybody would buy this.
Và sau đó bạn sẽ tìm ra — bạn sẽ tìm ra phải làm gì. Cho dù bạn có thể tự bay hay không. Vì vậy tôi thấy thú vị là ai lại mua cái này.
This is just me. Because they've already shown that you can hack the — I think I forget what particular system, whether it was an Amazon or a Ring, or who was driving this.
Đây chỉ là ý kiến của tôi. Vì họ đã chỉ ra rằng bạn có thể hack — Tôi nghĩ là tôi quên hệ thống cụ thể nào, cho dù là Amazon hay Ring, hoặc ai đang điều hành cái này.
But they've already shown you can hack the cameras that are at your front door. It's very easy to get access to that video data.
Nhưng họ đã chỉ ra rằng bạn có thể hack những chiếc camera ở cửa trước của bạn. Rất dễ dàng để truy cập vào dữ liệu video đó.
And so you can imagine if that is to do that, then you can get access to this drone and fly it around the house in the middle of night, including when you don't want to be — when you're not controlling it.
Và vì vậy bạn có thể tưởng tượng nếu việc đó được thực hiện, thì bạn cũng có thể truy cập vào drone này và bay nó quanh nhà vào giữa đêm, kể cả khi bạn không muốn — khi bạn không điều khiển nó.
So like I'm the last person. So I recommend, think twice before you, number one, put your front door lock. There's a whole digital front door. That's the last thing I would put as digital.
Thế nên tôi là người cuối cùng. Vì vậy tôi khuyên, hãy suy nghĩ kỹ trước khi bạn thứ nhất, lắp đặt khóa cửa trước nhà của bạn. Có cả một cánh cửa trước kỹ thuật số. Đó là điều cuối cùng tôi sẽ làm thành kỹ thuật số.
Things can be hacked like crazy. Don't put a front door lock. It's just me.
Những thứ có thể bị hack điên cuồng. Đừng lắp đặt khóa cửa trước. Chỉ là ý kiến của tôi.
And I wouldn't put a drone that can be flown around and watch me when I'm in the shower or something. So don't do either of those things. All right.
Và tôi không muốn có một chiếc drone có thể bay xung quanh và theo dõi tôi khi tôi đang tắm hay gì đó. Vì vậy đừng làm cả hai điều đó. Được rồi.
BORA NIKOLIC
Yeah. An interesting thing about this. I bought a light bulb about a year and a half ago that is also a built in speaker.
Đúng vậy. Có một điều thú vị về cái này. Tôi mua một bóng đèn khoảng một năm rưỡi trước mà nó cũng là một loa tích hợp.
And I looked at — you know, I tend to probe into these things before actually installing them.
Và tôi đã xem — bạn biết đấy, tôi thường tìm hiểu những thứ này trước khi thực sự lắp đặt chúng.
And it saved a password as plaintext, so anybody who has it — DAN GARCIA: Yeah, sometimes the security of the system isn't done so well.
Và nó đã lưu mật khẩu dưới dạng văn bản thuần túy, vì vậy bất cứ ai có nó — DAN GARCIA: Đúng, đôi khi bảo mật của hệ thống không được thực hiện tốt lắm.
BORA NIKOLIC
[INAUDIBLE] break into that, but they get password to your Wi-Fi. And they get access to everything in your house. So yeah, watch out for those kind of things.
[KHÔNG NGHE RÕ] xâm nhập vào cái đó, nhưng họ lấy được mật khẩu Wi-Fi của bạn. Và họ có quyền truy cập vào mọi thứ trong nhà bạn. Vì vậy đúng, hãy cẩn thận với những thứ như vậy.
DAN GARCIA
Watch out, folks. All right, we do want to share, we do want to share where we are in our schedule, and then also share any announcements we have.
Cẩn thận, mọi người. Vâng, chúng tôi muốn chia sẻ vị trí hiện tại của chúng ta trong lịch học, và cũng chia sẻ bất kỳ thông báo nào của chúng tôi.
So here we are looking at the schedule. I just finished. This whole weekend I was locked in my basement making my movies, and then sitting in my computer doing all the post-processing.
Vậy đây là lịch học của chúng ta. Tôi vừa hoàn thành. Suốt cả cuối tuần tôi khoá mình trong tầng hầm làm phim, rồi ngồi trước máy tính làm toàn bộ hậu kỳ xử lý.
So hopefully, you get access to them. I think we posted them on Piazza already. So SDS state, logic and logic blocks are all out there. All the Clicker questions are out there.
Hy vọng các bạn có quyền truy cập vào đó. Tôi nghĩ chúng tôi đã đăng lên Piazza rồi. Vậy SDS state, logic và logic blocks đều có sẵn. Tất cả các câu hỏi Clicker đều có sẵn.
We tried to make Clicker questions that would be really not just pedantic, did you watch minute 35, what color shirt was he wearing? But do you understand the principles behind it?
Chúng tôi cố gắng tạo câu hỏi Clicker thực sự không chỉ cầu tiết, bạn có xem phút thứ 35, anh ta mặc áo màu gì? Nhưng bạn có hiểu những nguyên lý đằng sau nó không?
So I actually try to pull some old exam questions and try to throw them in here. So actually, some of these are really good questions in here.
Vì vậy, tôi thực sự cố gắng lấy một số câu hỏi từ đề thi cũ và cố gắng đưa chúng vào đây. Vì vậy thực ra, một số đây là những câu hỏi rất hay.
So I thank Stephen for some of the questions he contributed, and for other folks. So we're deep in the digital logic world. I love it. It's a whole new field.
Vì vậy tôi cảm ơn Stephen vì một số câu hỏi anh ấy đóng góp, và cảm ơn những người khác. Vì vậy chúng ta đang sâu trong thế giới logic kỹ thuật số. Tôi yêu nó. Đó là một lĩnh vực hoàn toàn mới.
By the way, this is — I want to make a point people know this. If you're behind in 61C, like I'll never catch up because it's all continuous, you can jump ahead.
Nhân tiện, tôi muốn nói rõ một điều mà mọi người cần biết. Nếu bạn chậm trong 61C, giống như tôi không bao giờ bắt kịp vì nó liên tục, bạn có thể tiến về phía trước.
If you're behind watching the lectures, you can jump ahead to be caught up in this module. This is really important. This is why, Bora, I think here is shown different colors in the graph.
Nếu bạn chậm trong việc xem các bài giảng, bạn có thể tiến về phía trước để bắt kịp trong mô-đun này. Điều này thực sự rất quan trọng. Đó là lý do tại sao, Bora, tôi nghĩ ở đây được thể hiện những màu sắc khác nhau trong biểu đồ.
That's really important, because if you're — let's say you're two weeks behind. This by the way happened two years ago and a year ago.
Điều đó thực sự rất quan trọng, vì nếu bạn — giả sử bạn đã chậm hai tuần. Nhân tiện, điều này đã xảy ra hai năm trước và một năm trước.
It's always been the case that some students get behind and can't catch up. And it's hard. The workload is hard. We're going to talk about workload in a second.
Nó luôn luôn là trường hợp mà một số học sinh chậm lại và không thể bắt kịp. Và nó rất khó khăn. Khối lượng công việc rất nặng. Chúng tôi sẽ nói về khối lượng công việc ngay bây giờ.
But one of the things that we want to make sure is that what we've got is, and let's make sure we are clear about this, these modules are independent.
Nhưng một trong những điều mà chúng tôi muốn chắc chắn là những gì chúng tôi có, và hãy đảm bảo rằng chúng ta rõ ràng về điều này, những module này là độc lập.
So yes, they all are softly relevant, and it's great if you saw this stuff before, but you can restart on a new module and become comfortable with this.
Vâng, chúng đều có liên quan nhẹ nhàng, và tuyệt vời nếu bạn đã thấy những thứ này trước đó, nhưng bạn có thể bắt đầu lại trên một mô-đun mới và trở nên thoải mái với nó.
So 9/28, this is Monday, SDS. If you were behind, just catch up for this section. And then you can — BORA NIKOLIC: Just one correction. I didn't update the dates.
Vậy 9/28, đây là thứ Hai, SDS. Nếu bạn chậm lại, chỉ cần bắt kịp phần này. Và sau đó bạn có thể — BORA NIKOLIC: Chỉ một sửa chữa. Tôi không cập nhật các ngày tháng.
DAN GARCIA
Oh yeah, sorry, sorry, sorry.
Ồ vâng, xin lỗi, xin lỗi, xin lỗi.
BORA NIKOLIC
Yeah, Yeah. So the dates are — DAN GARCIA: Thank you for that. These are the older dates from before. Yeah, no panic.
Vâng, vâng. Vậy các ngày tháng là — DAN GARCIA: Cảm ơn vì điều đó. Đây là những ngày tháng cũ từ trước. Vâng, đừng lo lắng.
I'm going to talk about that. Yeah, don't panic. We'll fix those. So let's just make sure you guys know what this section is.
Tôi sẽ nói về cái đó. Đừng lo lắng. Chúng ta sẽ sửa những cái đó. Vậy hãy chắc chắn rằng các bạn biết phần này là gì.
And then right after this, this is critical.
Và ngay sau cái này, cái này rất quan trọng.
In these two weeks, you will know the entire bottom side, but all the hardware level that you're going to need to know below that, which is great. We get into caching after that.
Trong hai tuần này, các bạn sẽ hiểu toàn bộ phía dưới, nhưng tất cả mức độ phần cứng mà các bạn cần biết phía dưới đó, tuyệt vời lắm. Sau đó chúng ta sẽ học về bộ nhớ đệm.
So that's really great. All this information is all needed for, and you see the colors — Bora did a nice job of showing the color connection here.
Vậy nó thực sự tuyệt vời. Tất cả thông tin này đều cần thiết cho, và bạn thấy các màu sắc — Bora đã làm tốt việc hiển thị kết nối màu sắc ở đây.
So the yellow stuff is needed for homework 2A. No lab this week. Some time to catch up, which is great, and work on your project, obviously. Homework 5 and Lab 5 are this week.
Vậy nên những cái màu vàng cần thiết cho bài tập về nhà 2A. Không có lab tuần này. Có thời gian để bạn theo kịp, điều đó rất tốt, và làm việc trên dự án của bạn, tất nhiên. Homework 5 và Lab 5 là tuần này.
This is for — sorry, next week. Next week. Orange is Lab 5. Homework 5 and Lab 5.
Cái này là cho — xin lỗi, tuần tới. Tuần tới. Màu cam là Lab 5. Homework 5 và Lab 5.
Next week. And the red stuff is for project 3, which is going to be really fun.
Tuần tới. Và những cái đỏ là cho project 3, cái mà sẽ rất vui.
And many people, by the way, think that project 3, the processor design, is the most fun project they've taken in this course, and in many other courses.
Và nhiều người, nhân tiện, cho rằng project 3, thiết kế bộ xử lý, là project vui nhất mà họ đã làm trong khóa này, và trong nhiều khóa khác.
I still hear from people years later, I still remember the 61C processor design.
Tôi vẫn còn nghe từ những người năm sau, Tôi vẫn còn nhớ thiết kế bộ xử lý 61C.
So make sure you focus on that if you're thinking about ever designing your processor in hardware, for some people, that's the most fun part of this material.
Vì vậy hãy chắc chắn tập trung vào đó nếu bạn đang suy nghĩ về việc thiết kế bộ xử lý của riêng mình trong phần cứng, với một số người, đó là phần thú vị nhất của tài liệu này.
So jump on that when it comes next week. Excited about that.
Vì vậy, hãy bắt đầu khi nó đến vào tuần tới. Rất mong chờ điều đó.
BORA NIKOLIC
So just a few notes about that. Exactly as Dan said, this is a good week to try to catch up.
Vì vậy, chỉ một vài lưu ý về điều đó. Chính xác như Dan đã nói, đây là một tuần tốt để cố gắng bắt kịp.
There are many things that are independent here, but the red part is tied to the orange and the yellow. So the yellow, the orange part is relatively independent.
Có nhiều thứ độc lập ở đây, nhưng phần đỏ được liên kết với phần cam và phần vàng. Vì vậy phần vàng, phần cam là tương đối độc lập.
You can just come from outer space and listen to that, and you will pick up the digital systems over the next week.
Bạn có thể đến từ ngoài không gian và lắng nghe cái đó, và bạn sẽ học hỏi được về các hệ thống kỹ thuật số trong tuần tới.
DAN GARCIA
That's true. Even if you didn't know any RISC V or C, you can just jump right into today's lecture. That's exactly right.
Đúng vậy. Ngay cả khi bạn không biết gì về RISC V hay C, bạn có thể bắt đầu ngay buổi giảng hôm nay. Đó chính xác là điều đúng đắn.
BORA NIKOLIC
Now, when we get to the red part, and that's going to go for five lectures in a row, these five lectures are going to — they're basically a complex digital system, a really complex digital system that we're going to build based on the principles that we have in orange in the SDS module,
Bây giờ, khi chúng ta bắt đầu phần màu đỏ, và nó sẽ kéo dài năm buổi giảng liên tiếp, năm buổi giảng này sẽ — chúng về cơ bản là một hệ thống kỹ thuật số phức tạp, một hệ thống kỹ thuật số thực sự phức tạp mà chúng ta sẽ xây dựng dựa trên các nguyên lý mà chúng ta có trong phần màu cam trong mô-đun SDS,
based on the specification that we have developed in the yellow module over there, over these seven lectures or so.
dựa trên đặc tả mà chúng ta đã phát triển trong mô-đun màu vàng ở đó, qua khoảng bảy buổi giảng hay lâu hơn.
So we will basically take all those instructions and implement them using the principles that we have learned.
Vì vậy chúng ta về cơ bản sẽ lấy tất cả các hướng dẫn đó và triển khai chúng bằng các nguyên lý mà chúng ta đã học.
It's a really fun, interesting thing when we, with Sophia, you guys, those that are going on to 151 will actually do it again, but now in the language called Verilog, and realize it in something that will look like real ASIC or put it into a FPGA,
Đó là một điều thực sự thú vị và hấp dẫn khi chúng tôi, với Sophia, các bạn, những ai sẽ học 151 sẽ thực hiện lại, nhưng lần này bằng ngôn ngữ gọi là Verilog, và thực hiện nó như thứ gì đó sẽ trông giống như một ASIC thực sự hoặc đưa nó vào FPGA,
and then pass risk part compliance test. This year, we have changed the project a bit, so you pass some of those tests. So there are not very many hidden tests.
rồi vượt qua bài kiểm tra tuân thủ tiêu chuẩn RISC. Năm nay, chúng tôi đã thay đổi dự án một chút, nên các bạn vượt qua một số bài kiểm tra đó. Vì vậy không có nhiều bài kiểm tra ẩn.
But we can add more hidden tests if you want to. So it's quite exciting.
Nhưng chúng tôi có thể thêm nhiều bài kiểm tra ẩn hơn nếu bạn muốn. Vì vậy nó khá thú vị.
When you do get the functional core this time around, that can run assembly, can even run C, compile C, next time around you can actually build it, if you take 151.
Khi bạn có được nhân lõi chức năng lần này, nó có thể chạy assembly, thậm chí có thể chạy C, biên dịch C, lần tới bạn thực sự có thể xây dựng nó, nếu bạn học 151.
[INAUDIBLE] DAN GARCIA: No, it's great.
[KHÔNG NGHE RÕ] DAN GARCIA: Không, thật tuyệt vời.
I mean, what's really fun about this series of lectures, the orange to set it up, the red to actually take it home, is we're going to build a working RISC V machine.
Ý tôi là, điều thực sự hay về loạt bài giảng này, phần màu cam để chuẩn bị, phần màu đỏ để thực sự mang nó về nhà, là chúng ta sẽ xây dựng một máy RISC V hoạt động.
That's just amazing. I mean, we're not physically building it.
Thật là tuyệt vời. Ý tôi là, chúng ta không xây dựng nó một cách vật lý.
But we're going to build a machine that if you could send it to somebody to do this, this would actually run the machine code, and I mentioned this in the lectures, run the machine code you've compiled that someone would link down to.
Nhưng chúng ta sẽ xây dựng một máy mà nếu bạn có thể gửi nó cho ai đó để làm việc này, nó sẽ thực sự chạy mã máy, và tôi đã đề cập điều này trong các bài giảng, chạy mã máy bạn đã biên dịch mà ai đó sẽ liên kết lại.
So all that ones and zeros in the machine code, we're going to build a machine to do that. And that's what's going to happen in the next several lectures after this.
Vì vậy tất cả những cái một và cái không trong mã máy, chúng ta sẽ xây dựng một máy để làm điều đó. Và đó là những gì sẽ xảy ra trong những bài giảng tiếp theo sau này.
It's very exciting. And by the way, Bora, I think it's six lectures. So it's a lot of time in your basement studio. Not five lectures, it's six.
Thật rất thú vị. Và còn nữa, Bora ơi, tôi nghĩ nó là sáu bài giảng. Vậy là rất nhiều thời gian trong studio dưới hầm của bạn. Không phải năm bài giảng, nó là sáu bài.
And then, that's going to build — it's like three lectures to build the machine, here's the thing, and then three lectures to make it faster.
Và sau đó, nó sẽ xây dựng — nó giống như ba bài giảng để xây dựng máy, đây là cách diễn đạt, rồi ba bài giảng để làm nó nhanh hơn.
And so using some principles that I'll teach you in this orange section, called pipelining. So that's the exciting piece of that. So think about that.
Và vì vậy sử dụng một số nguyên tắc mà tôi sẽ dạy bạn trong phần màu cam này, được gọi là đường ống. Vậy đó là phần thú vị của nó. Vậy hãy nghĩ về điều đó.
But even if you didn't make it — if you skipped the last three lectures, you'd still have a working machine just a little slower. So you know what?
Nhưng ngay cả khi bạn không làm nó — nếu bạn bỏ qua ba bài giảng cuối cùng, bạn vẫn còn có một máy tính hoạt động, chỉ chậm một chút. Vậy bạn biết không?
You can make this faster. And you have three lectures to make it faster. Because this course is also about performance, which is exciting. All right.
Bạn có thể làm nó nhanh hơn. Và bạn có ba bài giảng để làm nó nhanh hơn. Vì khóa học này cũng là về hiệu suất, điều đó rất thú vị. Được rồi.
Here we go. Now we got some — I got [INAUDIBLE] three minutes for two announcements. Announcements. We just released a workload and wellness survey.
Chúng ta đi thôi. Bây giờ chúng ta có một số — Tôi có [INAUDIBLE] ba phút cho hai thông báo. Thông báo. Chúng tôi vừa phát hành một cuộc khảo sát về khối lượng công việc và sức khỏe.
We mentioned it last week, but we finally finished it today and we launched it today. And already, the numbers are pouring in already telling us many things we knew, in terms of how many.
Chúng tôi đã đề cập đến nó tuần trước, nhưng chúng tôi mới hoàn thành hôm nay và chúng tôi đã phát hành nó hôm nay. Và những con số đã bắt đầu được đổ về. đã cho chúng ta biết nhiều điều chúng ta đã biết, về mặt con số.
So please do fill this out. It's on Piazza. And I'm already seeing numbers of, I can just give you a — mostly I'm seeing, you shouldn't sully your survey by giving some results.
Vì vậy, vui lòng điền vào đó. Nó ở trên Piazza. Và tôi đã thấy con số, Tôi có thể chỉ cho bạn — chủ yếu tôi đang thấy, bạn không nên làm hỏng cuộc khảo sát của mình bằng cách đưa ra một số kết quả.
But I'm seeing that it's great to see these numbers. And I'm not pleased with the numbers.
Nhưng tôi thấy thật tuyệt vời khi thấy những con số này. Và tôi không hài lòng với những con số đó.
I'm hearing people are really struggling out there, in terms of emotionally and exhaustion-wise, and the number of hours people putting in.
Tôi nghe nói rằng mọi người đang gặp khó khăn thực sự, về mặt cảm xúc và mệt mỏi, và số giờ mà mọi người đang dành.
We've got to also take a really deeper dive on our workload in 61C.
Chúng ta cũng phải đi sâu hơn thực sự về khối lượng công việc trong 61C.
It does — by the way, the goal of 61C is to not be more than 12 hours a week times 15 weeks.
Nó làm — nhân tiện, mục tiêu của 61C là không quá 12 giờ một tuần, trong vòng 15 tuần.
And sometimes, what happens is it's more average — your average per week is higher the first bit, and then lower later. So if it all — we tell our TAs this.
Và đôi khi, điều xảy ra là trung bình của nó cao hơn — mức trung bình hàng tuần của bạn cao hơn ở phần đầu, và sau đó thấp hơn. Vì vậy nếu tất cả — chúng tôi nói điều này với các TA của chúng tôi.
Sometimes around midterm week, it's going to be a crazy amount of hours you put in. But as long as it's average to what you're being paid for, that's reasonable.
Đôi khi vào tuần giữa kỳ, bạn sẽ phải bỏ ra một lượng giờ hoang dã. Nhưng miễn là trung bình của nó là những gì bạn được trả tiền, điều đó là hợp lý.
So these numbers are going to be high, but hopefully when we do our mid-term survey, and then our final survey, it'll all end up showing it kind of averages out to 12 hours a week.
Vì vậy những con số này sẽ cao, nhưng hy vọng là khi chúng tôi làm cuộc khảo sát giữa kỳ, và sau đó cuộc khảo sát cuối cùng của chúng tôi, tất cả sẽ kết thúc cho thấy nó trung bình ra 12 giờ một tuần.
And if not, we really need to go back to the drawing board and figure out how we can make this a lighter weight thing.
Và nếu không, chúng tôi thực sự cần quay trở lại bàn vẽ và tìm ra cách để làm cho điều này nhẹ hơn.
And thank you so much for all the suggestions of how to do that. So there's a point that we ask — in the survey, we ask you, any policy changes we've made.
Và cảm ơn rất nhiều vì tất cả các đề xuất về cách để làm điều đó. Vì vậy, có một điểm mà chúng tôi hỏi — trong cuộc khảo sát, chúng tôi hỏi các bạn, bất kỳ thay đổi chính sách nào mà chúng tôi đã thực hiện.
Remember that last week, we made a ton of new policy changes. Hopefully, try to address this. More slip days, more flexibility here. More grace for project two, et cetera.
Hãy nhớ rằng tuần trước, chúng tôi đã thực hiện rất nhiều thay đổi chính sách mới. Hy vọng rằng sẽ giải quyết được vấn đề này. Thêm ngày trượt, linh hoạt hơn ở đây. Thêm sự cảm thông cho dự án hai, và những thứ khác.
We'll continue to look at policies we can do to help with the workload and wellness issues we can. That's part one. Part two. Quest retake.
Chúng tôi sẽ tiếp tục xem xét các chính sách mà chúng tôi có thể thực hiện để giúp giảm khối lượng công việc và các vấn đề về sức khỏe tinh thần mà chúng tôi có thể. Đó là phần một. Phần hai. Làm lại bài kiểm tra.
In fact, some folks have said, I don't have time for a Quest retake. I'm just being barraged with workload.
Thực tế, một số người đã nói, tôi không không có thời gian để làm lại Quest. Tôi bị áp đảo bởi khối lượng công việc.
I don't have time to take more hours to study for it, and to take more hours to the retake. The idea is you're not supposed to be studying for it.
Tôi không có thời gian để học thêm nhiều giờ cho bài kiểm tra, và để dành thêm nhiều giờ cho bài làm lại. Ý tưởng là bạn không nên học tập cho nó.
You're supposed to just do it again. So don't count that into what hours you should have. Just jump you back in there.
Bạn chỉ nên làm nó lại. Vì vậy đừng tính nó vào số giờ bạn nên có. Chỉ cần quay lại vào đó.
But we're going to try to reduce the number, I mentioned last week, the people who are going need to take that.
Nhưng chúng tôi sẽ cố gắng giảm số lượng, tôi đã đề cập tuần trước, những người sắp cần phải làm điều đó.
And what we need to do, first of all, my TAs tell me there's an order to this. There's logic to this, which is process all the re-grades.
Và những gì chúng tôi cần làm, trước hết, các trợ giảng của tôi nói với tôi có một trật tự cho việc này. Có logic cho cái này, đó là xử lý tất cả các yêu cầu chấm lại.
Now the students know what their final grade is, and now you know do they need a retake or not. So we can know who not to bother again with all this.
Bây giờ các sinh viên biết điểm cuối cùng của họ là gì, và bây giờ bạn biết họ có cần thi lại hay không. Vậy chúng ta biết ai không cần phiền lại nữa.
So we're going to try to slog through. I think, Bora, the number I heard was 350 regrade requests. And we've got two TAs for us to [INAUDIBLE].. I mean, two star TAs.
Vậy chúng ta sẽ cố gắng vượt qua. Tôi nghĩ là, Bora, con số tôi nghe là 350 yêu cầu chấm lại. Và chúng ta có hai trợ giảng để [INAUDIBLE]... Ý tôi là, hai trợ giảng xuất sắc.
But still, I mean, we didn't budget for 350 regrade requests. Usually that's not one we get. We usually get, ah, 50, 100. Not 350.
Nhưng dù sao, ý tôi là, chúng ta không dự tính cho 350 yêu cầu chấm lại. Thông thường đó không phải cái chúng ta nhận được. Chúng ta thường nhận được, à, 50, 100. Không phải 350.
In which each of the 350 requires us to look at their code, figure out why does it not do something, and how can we give you points back.
Trong đó mỗi một trong 350 yêu cầu chúng ta phải xem xét mã của họ, tìm ra tại sao nó không làm được cái gì đó, và làm thế nào để chúng ta cấp điểm lại cho bạn.
So the perspective that we have from the top is how can we get points back. So we're going to spend some time thinking about this.
Vì vậy, từ góc nhìn của chúng tôi là làm thế nào chúng ta có thể hoàn lại điểm cho bạn. Vì vậy chúng ta sẽ dành thời gian để suy nghĩ về điều này.
We're not going to both slam you on a quest and then not give you points back.
Chúng tôi sẽ không vừa cho bạn một bài kiểm tra khó rồi lại không hoàn lại điểm cho bạn.
But we're going to see how we can do this, and how we can maybe fix a bug and then does it does it pass some tests.
Nhưng chúng ta sẽ xem làm thế nào chúng ta có thể làm được điều này, và làm thế nào chúng ta có thể sửa một lỗi rồi xem liệu nó có vượt qua một số bài kiểm tra.
Or if they get those points, maybe get dinged for the bug we had to fix, that kind of thing. But hopefully, you gave us code that worked.
Hoặc nếu họ nhận được những điểm đó, có thể sẽ bị trừ điểm vì lỗi mà chúng ta phải sửa, kiểu như vậy. Nhưng hy vọng rằng, bạn đã cho chúng tôi mã hoạt động.
I mean, hopefully, you didn't just give garbage code, and it didn't work at all. Hopefully it worked on your system.
Tức là hy vọng rằng, bạn không chỉ cho mã rác, và nó không hoạt động tất cả. Hy vọng rằng nó hoạt động trên hệ thống của bạn.
If it worked on your system but doesn't work on ours, then there's some mismatch, and we obviously have to try to get down the details of that.
Nếu nó hoạt động trên hệ thống của bạn nhưng không hoạt động trên hệ thống của chúng tôi, thì có sự không khớp nào đó, và chúng ta rõ ràng phải cố gắng tìm ra chi tiết của vấn đề đó.
And again, we're going to try to endeavor — so because we are were working on that, that's probably all this week is working on, so the regrade, slogging through that, then doing an analysis of who didn't have a video that worked, and figure out who needs the exam, but blah, blah, blah, that's probably — so all this is probably going to happen next week.
Và một lần nữa, chúng ta sẽ cố gắng nỗ lực — vì chúng ta đang làm việc trên đó, có lẽ tuần này sẽ làm việc trên đó, nên là chấm điểm lại, loay hoay qua đó, rồi phân tích xem ai không có video hoạt động, và tìm ra ai cần phải làm bài thi, nhưng thôi, thôi, thôi, có lẽ — tất cả này sẽ xảy ra tuần tới.
So again, we're just pushing this on. So don't worry about it for now. Survive your project two. Work on that for now.
Vậy nên, chúng ta chỉ là đang hoãn lại. Vì vậy đừng lo lắng về điều đó bây giờ. Hoàn thành dự án hai của bạn. Tập trung vào đó bây giờ.
And then we'll probably do this again. I hope to have a better answer for your next week, once our TAs have told me that there other regrades are done.
Và sau đó chúng ta có lẽ sẽ làm lại điều này. Tôi hy vọng có câu trả lời tốt hơn cho bạn tuần tới, khi các TA của chúng tôi báo cho tôi biết rằng các phiếu chấm lại khác đã hoàn thành.
But we want to give a do justice to all the regrades, but it does take time. And so please do recognize that we're working as hard as we can.
Nhưng chúng tôi muốn công bằng với tất cả các phiếu chấm lại, tuy nhiên nó mất thời gian. Và vì vậy xin hãy nhận ra rằng chúng tôi đang làm việc hết sức mình.
I'm almost done.
Tôi sắp xong.
BORA NIKOLIC
We're getting so many responses, and they're very informative.
Chúng tôi nhận được rất nhiều phản hồi, và chúng rất có thông tin.
DAN GARCIA
Yeah, very. Thank you. And please, Pat, tell other classmates. I'm only looking at here at 230.
Vâng, rất nhiều. Cảm ơn. Và xin hãy, Pat, nói cho các bạn cùng lớp khác biết. Tôi chỉ nhìn thấy ở đây 230 người.
There's more than 1,200 in this class. So please, please do make sure all your classmates — and by the way, I believe this is due in two days.
Có hơn 1.200 người trong lớp này. Vì vậy xin hãy, xin hãy chắc chắn rằng tất cả các bạn cùng lớp của bạn — và nhân tiện, tôi tin rằng đây sắp hết hạn trong hai ngày.
It's who on Wednesday evening. So please do. We're going to read the whole survey, and we'll even share the results next week, actually, to have a conversation about what policies will change.
Là ai vào tối thứ Tư. Nên vui lòng làm điều đó. Chúng tôi sẽ đọc toàn bộ cuộc khảo sát, và chúng tôi thậm chí sẽ chia sẻ kết quả tuần tới, thực ra, để có một cuộc trò chuyện về những gì chính sách sẽ thay đổi.
But thank you all for that information. The survey isn't much. It's just a couple of clicks, a couple of clicks and feel free to type.
Nhưng cảm ơn tất cả các bạn vì thông tin đó. Cuộc khảo sát không có gì nhiều. Chỉ là vài cái click, vài cái click và bạn có thể gõ bất cứ lúc nào.
You can type a lot if you wanted to — we'll have some open fields for you to type some stuff.
Bạn có thể gõ rất nhiều nếu muốn — chúng tôi sẽ có một số trường mở để bạn gõ những nội dung đó.
But if you don't want — if you don't have a lot of time, just click the buttons and then give it to us.
Nhưng nếu bạn không muốn — nếu bạn không có nhiều thời gian, chỉ cần nhấp các nút rồi gửi cho chúng tôi.
But please do give us some feedback if you we can for that. Thank you for that. I think I'm done. Boy, I'm done with this.
Nhưng vui lòng hãy cho chúng tôi một số phản hồi nếu bạn chúng tôi có thể giúp được. Cảm ơn vì điều đó. Tôi nghĩ tôi đã xong rồi. Chà, tôi đã xong với điều này.
We're already over a minute, by a minute and a half. So I want to thank everybody. Let's thank Sophia for her guest appearance. That was wonderful to have her here.
Chúng tôi đã vượt quá một phút rồi, chậm hơn một phút rưỡi. Vì vậy tôi muốn cảm ơn tất cả mọi người. Hãy cảm ơn Sophia vì sự xuất hiện đặc biệt của cô ấy. Thật tuyệt vời khi có cô ấy ở đây.
Again, thank you, Bora, for the week, for all the good work you've done. And good luck with seven straight lectures in your basement.
Lần nữa, cảm ơn Bora vì tuần này, vì tất cả công việc tốt mà bạn đã làm. Và chúc may mắn với bảy bài giảng liên tiếp trong tầng hầm của bạn.
I know how long it took me to set up for those four lectures there. It took me a full week of just editing slides. So I wish you good luck with everything.
Tôi biết phải mất bao lâu để tôi chuẩn bị cho bốn bài giảng ở đó. Mất cả một tuần chỉ để chỉnh sửa các slide. Vì vậy tôi chúc bạn may mắn với mọi việc.
BORA NIKOLIC
I'm editing slides. I'm still editing slides. I didn't like the technical quality, or the presentation quality of what we had. Yeah.
Tôi đang chỉnh sửa slide. Tôi vẫn còn đang chỉnh sửa slide. Tôi không hài lòng với chất lượng kỹ thuật hoặc chất lượng trình bày của những gì chúng tôi có. Vâng.
DAN GARCIA
It takes a long time. I appreciate it.
Điều đó mất nhiều thời gian. Tôi trân trọng điều đó.
BORA NIKOLIC
It takes forever. So we'll try to get that done. Yeah.
Nó mất cả ngời. Vì vậy chúng tôi sẽ cố gắng hoàn thành điều đó. Vâng.
What am I seeing here, is what am I learning from this survey is that the people on the average are spending maybe 2 and 1/2 hours more than what we expected, which — DAN GARCIA: Yeah, that's what I'm seeing too.
Những gì tôi thấy ở đây là những gì tôi học được từ cuộc khảo sát này là những người bình quân đang dành khoảng 2 tiếng rưỡi nhiều hơn những gì chúng tôi mong đợi, điều mà — DAN GARCIA: Ừ, tôi cũng thấy thế.
BORA NIKOLIC
Which is more. But the tail is huge. We have a really, really long tail. And we need to figure out how to get — DAN GARCIA: Get support.
Vì vậy là nhiều hơn. Nhưng phần đuôi thì rất dài. Chúng ta có một phần đuôi rất rất dài. Và chúng ta cần tìm ra cách để — DAN GARCIA: Có hỗ trợ.
How do you get support for those people who — I mean, a lot of times, you could be stuck for 10 hours on the same bug. I mean, that's a wasted 10 hours.
Làm sao để có hỗ trợ cho những người mà — Ý tôi là, nhiều khi bạn có thể bị mắc kẹt 10 tiếng đồng hồ trên cùng một lỗi. Ý tôi là, đó là 10 tiếng lãng phí.
That's not that's not a useful 10 hours. So there is a question about whether we have office hours this weekend. I think both of us have office hours.
Đó không phải là 10 tiếng hữu ích. Vì vậy có một câu hỏi về việc liệu chúng ta có giờ hỗ trợ vào cuối tuần không. Tôi nghĩ cả hai chúng ta đều có giờ hỗ trợ.
Mine is on Wednesday. And yours, I think, Bora, is on Thursday or Friday?
Của tôi là vào thứ Tư. Còn của bạn, tôi nghĩ, Bora, là vào thứ Năm hay thứ Sáu?
BORA NIKOLIC
Friday.
Thứ Sáu.
DAN GARCIA
Friday.
Thứ Sáu.
BORA NIKOLIC
I've got Friday in this lecture.
Tôi có lịch office hours vào thứ Sáu tuần này.
And we may rethink the way how we do this, we may start running more of like reviews and so on, but this week are just regular drop in for the office hours.
Và chúng tôi có thể sẽ thay đổi cách thức làm việc này, chúng tôi có thể sẽ bắt đầu chạy nhiều buổi review hơn, v.v., nhưng tuần này chỉ là office hours drop-in thông thường.
DAN GARCIA
Yeah. And I've been mostly, I've been taping mine, and I've been mostly doing kind of exam reviews.
Vâng. Và tôi hầu như đã ghi lại của tôi, và tôi hầu như chỉ làm những buổi review cho bài kiểm tra.
So every week — so this week, we'll actually take a look at some SDS stuff, and maybe even some from RISC-V. We didn't finish last week.
Vì vậy mỗi tuần — vì vậy tuần này, chúng tôi sẽ thực tế nhìn vào một số vật liệu SDS, và có thể cả từ RISC-V. Chúng tôi đã không hoàn thành tuần trước.
So I've been trying to go through old exams through that. So come to my office hours. If not, I'll try to upload those videos so people have those as reviews.
Vì vậy tôi đã cố gắng xem qua các bài thi cũ liên quan đến điều đó. Vì vậy hãy đến buổi office hours của tôi. Nếu không, tôi sẽ cố gắng tải những video đó lên để mọi người có thể dùng làm tài liệu ôn tập.
Wonderful. Thank you, Bora, for a good week. Thanks, everybody, for coming in. Thanks for listening, folks.
Tuyệt vời. Cảm ơn Bora, vì đã có một tuần tốt. Cảm ơn mọi người đã tới. Cảm ơn các bạn đã lắng nghe.
We'll see you later, folks. Take care.
Hẹn gặp lại các bạn sau. Hẹn gặp lại.
BORA NIKOLIC
Bye-bye.
Tạm biệt.
DAN GARCIA
Okay. Bye, everybody.
Được rồi. Tạm biệt mọi người.
Đăng nhập để đánh giá học liệu này.
Đăng nhập để bình luận — chưa ai bình luận về học liệu này.
Không có khóa học liên quan.