Video
Đăng bởi Ban biên tập OpenER ·
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.
GIREEJA RANADE
Does this work? Yay. Welcome to EECS 16A. Great to be here.
Mic có hoạt động không nhỉ? Được rồi. Chào mừng các bạn đến với EECS 16A. Rất vui được có mặt ở đây.
I know for many of you this is probably your first semester at Berkeley. Maybe you're here as a freshman. Maybe you're transferring here from another institution.
Tôi biết với nhiều bạn, đây có lẽ là học kỳ đầu tiên ở Berkeley. Có thể các bạn đến đây với tư cách sinh viên năm nhất. Có thể các bạn chuyển đến từ một trường khác.
I want you all to know that we're thrilled you chose Berkeley and it's amazing that you're here.
Tôi muốn các bạn biết rằng chúng tôi rất vui vì các bạn chọn Berkeley, và việc các bạn có mặt ở đây thật tuyệt vời.
We're really excited, and we're going to do our best to give you the best experience you can possibly have, hopefully starting with your first semester.
Chúng tôi thực sự háo hức, và chúng tôi sẽ cố hết sức để mang đến cho các bạn trải nghiệm tốt nhất có thể, hy vọng là bắt đầu từ học kỳ đầu tiên.
There's a huge team of us, not just part of this class, but at the University, at the department, that are working super hard to make sure that you can have the best possible Berkeley experience you have.
Có cả một đội ngũ đông đảo, không chỉ trong lớp này, mà cả ở trường và ở khoa, đang làm việc rất chăm chỉ để đảm bảo các bạn có được trải nghiệm Berkeley tốt nhất có thể.
So I'm really thrilled to have you here. Congratulations, and give yourselves a hand.
Nên tôi thực sự rất vui khi có các bạn ở đây. Chúc mừng các bạn, hãy tự vỗ tay cho mình nào.
This is the first lecture. We're going to be here in Zellerbach today as well as the next class, after which we will be transitioning to Wheeler Hall.
Đây là buổi học đầu tiên. Hôm nay chúng ta học ở Zellerbach, buổi sau cũng vậy, sau đó chúng ta sẽ chuyển sang Wheeler Hall.
This is probably the largest offering of 16A that we have had to date. We're going to have about 1,100 of you enrolled.
Đây có lẽ là khóa 16A đông nhất từ trước đến nay. Sẽ có khoảng 1.100 bạn đăng ký.
Hopefully everyone who was on the wait list can get in, and we will do our best to make this class not seem like it is 1,100 people, but try to get to know as many of you as we possibly can.
Hy vọng ai trong danh sách chờ cũng vào được, và chúng tôi sẽ cố gắng để lớp không có cảm giác như 1.100 người, mà làm quen được với càng nhiều bạn càng tốt.
So for the first lecture today, we're going to spend a little bit of time for you to get to know all of us and the teaching staff.
Trong buổi đầu hôm nay, chúng ta sẽ dành một chút thời gian để các bạn làm quen với chúng tôi và đội ngũ giảng dạy.
We'll talk about some little bits of administrivia, the homework, so on and so forth, but you can all go read the web page and I don't want to dwell too much on these kinds of details.
Chúng ta sẽ nói qua vài thủ tục hành chính, bài tập về nhà, v.v. nhưng các bạn có thể đọc trên trang web và tôi không muốn sa đà vào những chi tiết này.
Really what I want to spend the large majority of this lecture on is talking about what we're going to be learning about in 16A, and why I think 16A, 16B are really a great introduction and a great way for you to find your place within the electrical engineering and computer science community.
Phần lớn buổi học này, tôi muốn dành để nói về những gì chúng ta sẽ học trong 16A, và vì sao tôi nghĩ 16A và 16B là phần mở đầu rất tốt, cũng là cách tuyệt vời để các bạn tìm chỗ đứng của mình trong cộng đồng điện và khoa học máy tính.
The goal of this class is to expose you to a wide variety of ideas so that you can figure out what parts of it you really enjoy and what parts of it you don't, and I'll give you more details about the class as we go along.
Mục tiêu của lớp này là cho các bạn tiếp xúc với nhiều ý tưởng khác nhau để các bạn biết được mình thích phần nào và không thích phần nào. Tôi sẽ nói chi tiết hơn về lớp trong quá trình học.
But I wanted to introduce myself first. My name is Gireeja Ranade, and I am one of the two main instructors for this class. I will be co-teaching with Professor Bernhard Boser, who is here.
Nhưng trước hết tôi xin tự giới thiệu. Tôi là Gireeja Ranade, và tôi là một trong hai giảng viên chính của lớp này. Tôi sẽ cùng dạy với Giáo sư Bernhard Boser, đang có mặt ở đây.
BERNHARD BOSER
Hello.
Xin chào.
GIREEJA RANADE
Let me introduce myself and I'll ask — he can also introduce himself. So I'm actually a Berkeley alum. I got my PhD right here at Berkeley.
Để tôi giới thiệu trước, rồi mời thầy cũng tự giới thiệu. Tôi thực ra là cựu sinh viên Berkeley. Tôi lấy bằng tiến sĩ ngay tại Berkeley.
I wish I was also an undergrad here, but I sadly did not have that chance.
Tôi ước mình cũng học đại học ở đây, nhưng tiếc là tôi không có cơ hội đó.
I was an undergrad at MIT, so I spent time in Boston, and before that I actually spent most of my high school years in India. I grew up there.
Tôi học đại học ở MIT, nên đã sống ở Boston, và trước đó tôi trải qua phần lớn những năm trung học ở Ấn Độ. Tôi lớn lên ở đó.
Before starting on the faculty at Berkeley I spent a couple of years at Microsoft Research up in Seattle, and I think Seattle is just one of the most beautiful cities that I've ever lived in.
Trước khi về giảng dạy ở Berkeley, tôi có vài năm ở Microsoft Research tại Seattle, và tôi nghĩ Seattle là một trong những thành phố đẹp nhất tôi từng sống.
If you haven't ever had a chance to go there, I really recommend it. The mountains are something else. So I will be teaching module one and module three in this class.
Nếu chưa có dịp đến đó, tôi thực sự khuyên các bạn nên đi. Núi ở đó đẹp tuyệt. Tôi sẽ dạy module một và module ba của lớp này.
My research interests lie around control theory, information theory. I really like probability and applied math. I like modeling things.
Tôi nghiên cứu về lý thuyết điều khiển, lý thuyết thông tin. Tôi rất thích xác suất và toán ứng dụng. Tôi thích mô hình hóa mọi thứ.
A lot of the types of control problems that I enjoy thinking about, you will learn more about in 16B, which is the class that follows 16A.
Nhiều dạng bài toán điều khiển mà tôi thích suy nghĩ, các bạn sẽ học thêm trong 16B, môn học tiếp theo sau 16A.
You'll see hints of it here, but really, some of the questions that arise when you're trying to think about data driven models in robotics, these are the kinds of things that I like to focus on in my research.
Các bạn sẽ thấy thoáng qua ở đây, nhưng thực ra, một số câu hỏi nảy sinh khi nghĩ về các mô hình dựa trên dữ liệu trong robot, đó là những điều tôi thích tập trung vào trong nghiên cứu.
So I'll be talking about the systems part of the course largely. I'll be teaching module one and module three, but of course we'll be interleaving between and across the modules.
Tôi sẽ nói chủ yếu về phần hệ thống của môn học. Tôi dạy module một và module ba, nhưng tất nhiên chúng tôi sẽ đan xen giữa và xuyên suốt các module.
I'll let Professor Boser also introduce himself so that you all can get to know him as well.
Giờ mời Giáo sư Boser tự giới thiệu để các bạn cũng làm quen với thầy.
BERNHARD BOSER
Okay. Thank you. So my name is Bernard Boser. I didn't grow up in this country.
Vâng. Cảm ơn cô. Tôi tên là Bernard Boser. Tôi không lớn lên ở đất nước này.
I come from Europe — Switzerland. It's very beautiful there too. I recommend it.
Tôi đến từ châu Âu, từ Thụy Sĩ. Ở đó cũng rất đẹp. Tôi khuyên các bạn nên đến.
Then I got my degree at ETH, and after that, I got a doctorate at the Junior University across the Bay. Just check their logo.
Tôi lấy bằng ở ETH, sau đó tôi lấy bằng tiến sĩ ở Junior University bên kia vịnh. Cứ xem logo của họ.
It says Junior here — something junior. After that, I went to Bell Laboratories, and we will hear that word Bell today, actually.
Ở đây ghi là Junior, một cái gì đó thuộc hàng junior. Sau đó tôi vào Bell Laboratories, và hôm nay chúng ta sẽ còn nghe đến chữ Bell này.
And after that I came here, and I've been here for almost 30 years. I do engineering. I love it.
Rồi sau đó tôi đến đây, và tôi đã ở đây gần 30 năm. Tôi làm kỹ thuật. Tôi yêu nó.
I hope people love it too, especially after taking 16, and as Gireeja already said, I will tell you about circuits and what you can do with them and how you can coax them into doing what do you want them to do.
Tôi hy vọng các bạn cũng sẽ yêu, nhất là sau khi học 16, và như cô Gireeja đã nói, tôi sẽ nói về mạch và những gì có thể làm với chúng, và làm sao để "dỗ" chúng làm đúng điều bạn muốn.
And I will also give you some examples from my research, which are on the fringe between mechanical and electrical. I make little mechanical things that can sense motion or fingerprints and things like that.
Tôi cũng sẽ cho các bạn một số ví dụ từ nghiên cứu của tôi, nằm ở ranh giới giữa cơ khí và điện. Tôi chế tạo những thứ cơ khí nhỏ mà có thể cảm nhận chuyển động hay vân tay, đại loại vậy.
That's it. Thank you.
Vậy là xong. Cảm ơn các bạn.
GIREEJA RANADE
Great.
Tuyệt.
So both of us will be up here lecturing, one of us or the other, but I encourage all of you to come to our office hours to get to know us in a little bit more of a smaller setting.
Cả hai chúng tôi sẽ lên đây giảng bài, người này hoặc người kia, nhưng tôi khuyến khích tất cả các bạn đến giờ tiếp sinh viên (office hours) để làm quen với chúng tôi trong không khí nhỏ hơn, gần gũi hơn.
It's hard to get to know everyone's names. It's hard for you to get to know us. But I will be having office hours almost every day right after lecture.
Khó mà nhớ hết tên mọi người. Các bạn cũng khó làm quen với chúng tôi. Nhưng tôi sẽ có office hours hầu như mỗi ngày ngay sau giờ học.
Today I will have office hours right after lecture is over, and I encourage you to walk with me from here to the room where we have office hours.
Hôm nay tôi sẽ có office hours ngay sau khi buổi học kết thúc, và tôi khuyến khích các bạn đi cùng tôi từ đây đến phòng diễn ra office hours.
You don't always have to have a technical question to come to office hours. You're welcome to come just to ask about Berkeley, just to try and get to know us more.
Các bạn không nhất thiết phải có câu hỏi chuyên môn mới đến office hours. Các bạn cứ đến để hỏi về Berkeley, hoặc đơn giản là để làm quen với chúng tôi hơn.
And we're going to have a series of programs throughout the semester for you to get to know us as well as the rest of the teaching staff, which is where I want to move to now.
Chúng tôi sẽ có một loạt chương trình trong suốt học kỳ để các bạn làm quen với chúng tôi cũng như với những thành viên còn lại của đội ngũ giảng dạy, và giờ tôi muốn chuyển sang phần đó.
I want to introduce you to two very important people. These are your head GSIs. You have Sam and Sarika, and I'll let them introduce themselves.
Tôi muốn giới thiệu với các bạn hai người rất quan trọng. Đây là các GSI trưởng của các bạn. Đó là Sam và Sarika, và tôi sẽ để hai bạn tự giới thiệu.
SAM WEISMANN
All right. Hello. Is this on? All right.
Được rồi. Xin chào. Micro bật chưa nhỉ? Được rồi.
Hello, everybody. Is everyone excited for 16A? Yes. Okay.
Xin chào mọi người. Mọi người có háo hức với 16A không? Có. Được rồi.
That one in the front is excited. No one in the back is excited, which is sad. I'm excited about E16A. Sarika's excited.
Bạn ngồi đầu kia đang háo hức. Không ai ở phía sau háo hức cả, buồn quá. Tôi rất háo hức với E16A. Sarika cũng háo hức.
We have a large core staff here at 16A. We have 37 TAs this year. We're all here to help you.
16A có một đội ngũ nòng cốt đông đảo. Năm nay chúng ta có 37 TA. Tất cả chúng tôi ở đây để giúp các bạn.
Our entire core staff is about 100 strong, so anything you need, we're here for. It's going to be a good and fun and exciting semester.
Toàn bộ đội ngũ nòng cốt khoảng 100 người, nên bất cứ điều gì các bạn cần, chúng tôi đều sẵn sàng. Đây sẽ là một học kỳ tốt, vui và thú vị.
We're going to talk about some administrative details to start, but I — GIREEJA RANADE: Yeah. One minute. Go for it.
Trước hết chúng ta sẽ nói về một số chi tiết hành chính, nhưng tôi — để bắt đầu, nhưng mà tôi — GIREEJA RANADE: Ừ. Một phút thôi. Cứ nói đi.
SAM WEISMANN
I just want to let everyone know — I mentioned we have a very large staff. As Ranade mentioned, we have a very large staff. All of us are available to you guys at anytime.
Tôi chỉ muốn nói với mọi người — Tôi đã nói là chúng ta có đội ngũ rất đông. Như Ranade đã nói, đội ngũ của chúng ta rất đông. Tất cả chúng tôi luôn sẵn sàng hỗ trợ các bạn bất cứ lúc nào.
If anyone is struggling with class, if you guys want someone to talk to, come to office hours. Email any one of us. You're going to meet some of our core staff today.
Nếu ai đang gặp khó khăn với môn học, hoặc muốn có người trò chuyện, hãy đến office hours. Hãy gửi email cho bất kỳ ai trong chúng tôi. Hôm nay các bạn sẽ gặp một số thành viên nòng cốt.
You're going to meet them in discussions, in labs, in office hours, which I highly encourage you to come to. It's a great resource. We have homework party.
Các bạn sẽ gặp họ ở buổi thảo luận, bài thí nghiệm (lab), và office hours, nơi tôi rất khuyến khích các bạn đến. Đó là một nguồn hỗ trợ tuyệt vời. Chúng tôi có homework party.
Lots of great resources for you guys to come to and meet us in, because we get very lonely in office hours and we want you to be there.
Có rất nhiều nguồn hỗ trợ tuyệt vời để các bạn đến gặp chúng tôi, vì chúng tôi ngồi ở office hours rất cô đơn và chúng tôi muốn các bạn có mặt ở đó.
GIREEJA RANADE
Great.
Tuyệt.
SAM WEISMANN
Good semester.
Chúc một học kỳ tốt đẹp.
SARIKA MADHVAPATHY
Hey.
Xin chào.
GIREEJA RANADE
Do you want the next slide or are you good? No.
Bạn muốn chuyển slide tiếp theo hay thôi? Không.
SARIKA MADHVAPATHY
This is fine.
Thế này được rồi.
GIREEJA RANADE
Okay.
Được.
SARIKA MADHVAPATHY
Hi. My name is Sarika. I'm the other head TA. If you want to contact me, then please email eecs16A@gmail.
Xin chào. Tôi tên là Sarika. Tôi là head TA còn lại. Nếu muốn liên hệ với tôi, hãy gửi email đến eecs16A@gmail.
It should be Berkeley.edu, actually, but this should also work. Before we move on I have a few administrative announcements.
Thật ra phải là Berkeley.edu, nhưng địa chỉ này cũng dùng được. Trước khi tiếp tục, tôi có vài thông báo hành chính.
So first of all, if you are in DSP, please send your letters to us as soon as possible to the staff email, which is, again, eecs16A@berkeley.edu, so send that to us as soon as possible, preferably now.
Trước hết, nếu bạn thuộc diện DSP, hãy gửi thư xác nhận cho chúng tôi càng sớm càng tốt qua email của đội ngũ, một lần nữa là eecs16A@berkeley.edu, hãy gửi cho chúng tôi càng sớm càng tốt, tốt nhất là ngay bây giờ.
And so the other announcement is we do not offer alternate exam times, so if you have an exam conflict, then please try to work it out with your other course, and if there are any serious conflicts, then please let us know.
Thông báo còn lại là chúng tôi không tổ chức lịch thi thay thế, nên nếu bạn bị trùng lịch thi, hãy cố sắp xếp với môn học kia, và nếu có xung đột nghiêm trọng nào, hãy báo cho chúng tôi.
So now we're going to introduce the rest of the TA staff.
Bây giờ chúng tôi sẽ giới thiệu những TA còn lại.
GIREEJA RANADE
Yes. Let us move into introducing [INAUDIBLE].. I just wanted to have a little bit of logistics.
Vâng. Chúng ta chuyển sang phần giới thiệu [KHÔNG NGHE RÕ]. Tôi chỉ muốn nói qua một chút về các vấn đề hậu cần.
So three things that you should all know in terms of this logistics, first, make sure you all know where the course website is. You should be able to access it.
Có ba điều mà tất cả các bạn cần biết, trước hết, hãy chắc chắn rằng bạn biết trang web của môn học ở đâu. Bạn phải truy cập được.
All kinds of details — homework, homework solutions, lab, discussion sheets — everything will be posted here. Make sure you have access to Piazza.
Mọi thông tin chi tiết — bài tập về nhà, lời giải, bài lab, phiếu thảo luận — tất cả sẽ được đăng ở đây. Hãy chắc chắn bạn có quyền truy cập Piazza.
Make sure you also have access to Gradescope, and we'll be talking more about this in the time to come.
Cũng hãy chắc chắn bạn truy cập được Gradescope, và chúng ta sẽ nói thêm về việc này sau.
We are going to introduce the course staff, but I wanted to just also make sure that we — let me just check one thing. Sorry. Sorry. Next slide.
Chúng tôi sẽ giới thiệu đội ngũ giảng dạy, nhưng tôi cũng muốn chắc chắn là chúng ta — để tôi kiểm tra một chút. Xin lỗi. Xin lỗi. Slide tiếp theo.
Sorry. My slides were unordered.
Xin lỗi. Slide của tôi bị xáo thứ tự.
Okay.
Được rồi.
Yes. Great. Okay. So let us move on to introducing the rest of the course staff.
Vâng. Tuyệt. Được rồi. Bây giờ chúng ta chuyển sang giới thiệu những thành viên còn lại của đội ngũ.
Come on up.
Mời lên đây.
This is a group of people that have been working really hard already for the past few weeks to get the course up and running, and one of the things that I'm really excited about in terms of the people that we have here is that they're all here, and each one of these people cares about your learning, and each one of these people is interested in different things.
Đây là nhóm người đã làm việc rất chăm chỉ suốt vài tuần qua để môn học có thể vận hành. và một điều mà tôi thực sự rất hào hứng về đội ngũ của chúng ta là tất cả mọi người đều có mặt ở đây, mỗi người đều quan tâm đến việc học của các bạn, và mỗi người lại quan tâm đến những lĩnh vực khác nhau.
And part of this is by design. We really enjoy having diverse personalities and diverse interests on our course staff, because each one of you, each one of the students, is a different personality.
Một phần điều này là có chủ đích. Chúng tôi rất thích có những cá tính đa dạng và sở thích đa dạng trong đội ngũ giảng dạy, vì mỗi bạn, mỗi sinh viên, đều có một cá tính riêng.
You have different interests. I don't expect all of you to be interested in the exact same thing that I'm interested in.
Các bạn có những sở thích khác nhau. Tôi không mong tất cả các bạn đều quan tâm đúng điều mà tôi quan tâm.
But hopefully you will be interested in something that one of these folks is interested in, and the idea is that, by talking to as many different TAs as you can throughout the course of the semester, hopefully you'll get to learn different things about different research areas, different classes, and find your way through the Berkeley curriculum.
Nhưng hy vọng các bạn sẽ hứng thú với điều gì đó mà một trong những người này quan tâm, và ý tưởng là, bằng cách trò chuyện với càng nhiều TA khác nhau càng tốt trong suốt học kỳ, hy vọng các bạn sẽ biết thêm về các hướng nghiên cứu khác nhau, các lớp học khác nhau, và tìm ra con đường của mình trong chương trình học ở Berkeley.
So, quickly, why don't you guys go ahead and just introduce yourselves. MICHELLE: Hi everyone. My name is Michelle, and my main technical interest lies in autonomous vehicle technology.
Vậy nhanh thôi, mời các bạn tự giới thiệu nhé. MICHELLE: Chào mọi người. Tôi là Michelle, và mối quan tâm kỹ thuật chính của tôi là công nghệ xe tự hành.
MICHAEL: Hi, everyone. My name is Michael Calman. I research how to design microscopes better with artificial intelligence, and you'll see me at Thursday homework parties.
MICHAEL: Chào mọi người. Tôi là Michael Calman. Tôi nghiên cứu cách thiết kế kính hiển vi tốt hơn bằng trí tuệ nhân tạo, và các bạn sẽ gặp tôi ở các buổi homework party vào thứ Năm.
SARIKA MADHVAPATHY
I'm Sarika again, and I'm interested in analog design. DEEPSHIKA DHANASEKAR: Hi, everyone. My name is Deepshika, and I'm interested in digital signal processing. CRAIG: Hi, everyone.
Tôi lại là Sarika, và tôi quan tâm đến thiết kế mạch analog. DEEPSHIKA DHANASEKAR: Chào mọi người. Tôi là Deepshika, và tôi quan tâm đến xử lý tín hiệu số. CRAIG: Chào mọi người.
My name is Craig. My research interests are in building autonomous, insect scale micro robots. PANOS: Hi, everyone.
Tôi là Craig. Tôi nghiên cứu chế tạo các micro robot tự hành cỡ côn trùng. PANOS: Chào mọi người.
My name is Panos [INAUDIBLE],, and I'm interested mainly in integrated circuits for biomedical sensing. CHRISTOS: Hello. My name is Christos, and I'm interested in integrated circuits for detecting cancer biomarkers.
Tôi là Panos [KHÔNG NGHE RÕ], và tôi chủ yếu quan tâm đến mạch tích hợp cho cảm biến y sinh. CHRISTOS: Xin chào. Tôi là Christos, và tôi quan tâm đến mạch tích hợp để phát hiện dấu ấn sinh học của ung thư.
JESSIE: Hi. My name is Jessie and I'm super interested in embedded systems, specifically in aerospace. MIUKI: Hi. My name is Miuki, and I'm interested in mechanical design and dynamic modeling.
JESSIE: Chào mọi người. Tôi là Jessie và tôi cực kỳ hứng thú với hệ thống nhúng, đặc biệt trong lĩnh vực hàng không vũ trụ. MIUKI: Chào mọi người. Tôi là Miuki, và tôi quan tâm đến thiết kế cơ khí và mô hình hóa động lực học.
PROFESSOR: Hi. My name is [INAUDIBLE],, and I'm interested in signal processing and control theory. ANNIKA: Hi. My name's Annika and I'm interested in control theory as well.
GIẢNG VIÊN: Chào mọi người. Tôi là [KHÔNG NGHE RÕ], và tôi quan tâm đến xử lý tín hiệu và lý thuyết điều khiển. ANNIKA: Chào mọi người. Tôi là Annika và tôi cũng quan tâm đến lý thuyết điều khiển. .
AMANDA: Hi. My name's Amanda and I'm interested in circuit design. MOSES: Hi. My name is Moses.
AMANDA: Chào mọi người. Tôi là Amanda và tôi quan tâm đến thiết kế mạch. MOSES: Chào mọi người. Tôi là Moses.
I'm interested in control theory and communications. RYAN: Hi. My name is Ryan. I'm interested in semiconductor devices.
Tôi quan tâm đến lý thuyết điều khiển và truyền thông. RYAN: Chào mọi người. Tôi là Ryan. Tôi quan tâm đến các linh kiện bán dẫn.
RAHUL: Hi. My name is Rahul and I'm also interested in control theory. GRACE: Hi. My name is Grace.
RAHUL: Chào mọi người. Tôi là Rahul và tôi cũng quan tâm đến lý thuyết điều khiển. GRACE: Chào mọi người. Tôi là Grace.
I'm interested in AI, specifically reinforcement learning. ALICE: Hi. My name's Alice and I'm interested in how to make computing more energy efficient.
Tôi quan tâm đến AI, cụ thể là học tăng cường. ALICE: Chào mọi người. Tôi là Alice và tôi quan tâm đến việc làm sao để máy tính tiết kiệm năng lượng hơn.
GIREEJA RANADE
Great. Well, you guys are going to get to know all of these fabulous people much more over the course of the semester. Go to discussion.
Tuyệt. Các bạn sẽ còn biết rõ hơn về tất cả những người tuyệt vời này trong suốt học kỳ. Hãy đi học buổi thảo luận.
You will never find people who will care more about how you're going to do in this class. They are people that put in extra hours, semester after semester.
Các bạn sẽ không tìm đâu ra những người quan tâm hơn đến việc các bạn học lớp này ra sao. Họ dành thêm rất nhiều giờ, hết học kỳ này đến học kỳ khác.
They come back with feedback saying, hey, by the way, I think something was unclear in lecture. Let's try this different strategy of teaching this in discussion.
Họ góp ý lại rằng, này, tôi thấy có chỗ trong bài giảng chưa rõ. Hãy thử một cách khác để dạy phần này ở buổi thảo luận.
Let's try and improve the course for the next semester. So these folks really care. They're not here to judge you.
Hãy cùng cải thiện môn học cho học kỳ sau. Vậy nên những người này thực sự quan tâm. Họ không ở đây để đánh giá các bạn.
None of us are going to try and say, oh, you know, are we sure these people really [INAUDIBLE]??
Không ai trong chúng tôi định nói kiểu, ồ, liệu những người này có thật sự [KHÔNG NGHE RÕ] không?
We're here to make sure that you can have the best learning experience you possibly can have. We're here to show you our interests and learn about yours. Come to them if you have questions.
Chúng tôi ở đây để đảm bảo các bạn có trải nghiệm học tập tốt nhất có thể. Chúng tôi ở đây để chia sẻ sở thích của mình và tìm hiểu sở thích của các bạn. Hãy đến hỏi họ nếu có thắc mắc.
If you need help, we're here to help. There's a lot of us. This is only a fraction of the course staff. You'll get to meet the rest as time goes on.
Nếu cần giúp đỡ, chúng tôi luôn sẵn sàng. Chúng tôi có rất đông người. Đây mới chỉ là một phần nhỏ của đội ngũ giảng dạy. Các bạn sẽ gặp những người còn lại dần dần.
But thank you very much and we'll move on with the rest of the lecture. Thanks, everyone.
Cảm ơn các bạn rất nhiều, và chúng ta tiếp tục với phần còn lại của bài giảng. Cảm ơn mọi người.
In addition to all of these, we have basically a bunch of academic student employees. These are folks that will be helping you in office hours, as well as in labs.
Ngoài những người này, chúng ta còn có một nhóm nhân viên sinh viên học thuật (ASE). Họ sẽ giúp các bạn ở giờ làm việc (office hours), cũng như ở các buổi lab.
They'll be also helping us grade all of your exams and all of your homeworks.
Họ cũng sẽ giúp chúng tôi chấm tất cả bài thi và bài tập về nhà của các bạn.
So there's a path for you to become part of the course staff as well, and I hope that many of you will join.
Vì vậy các bạn cũng có con đường để trở thành một phần của đội ngũ và tôi hy vọng nhiều bạn sẽ tham gia.
And starting out is basically, to become an ASE, join the TA staff and move up this ladder so that you can actually join this community, and hopefully all of you will enjoy doing this.
Bước đầu là trở thành ASE, vào đội TA rồi tiến lên từng nấc thang để thực sự gia nhập cộng đồng này, và hy vọng tất cả các bạn sẽ thích công việc này.
Maybe some of you will even be here in my shoes one day. We have a lot of different discussion sections. Discussion is a very critical element of this class, especially given the course size.
Biết đâu một ngày nào đó có bạn sẽ đứng ở vị trí của tôi. Chúng ta có rất nhiều buổi thảo luận khác nhau. Buổi thảo luận là một phần rất quan trọng của lớp này, đặc biệt với quy mô lớp như thế này.
This is our chance to get to know you in a little bit of a smaller setting. This is on the course website.
Đây là cơ hội để chúng tôi làm quen với các bạn trong một không gian nhỏ hơn một chút. Thông tin này có trên trang web của môn học.
I don't expect you to look at this right now, but we have different groups of discussions targeted to different audiences in this class.
Tôi không mong các bạn xem ngay bây giờ, nhưng chúng tôi có nhiều nhóm thảo luận khác nhau, dành cho các nhóm đối tượng khác nhau trong lớp.
Given that there are so many of you, I know that everyone is coming from a different background. Some of you took some courses. Others of you took other courses.
Vì có rất đông các bạn, tôi biết mỗi người đến từ một nền tảng khác nhau. Một số bạn đã học một số môn. Những bạn khác đã học các môn khác.
And we're trying to make it so that people can be in groups of people that are having the same learning goals that they are.
Và chúng tôi cố gắng sắp xếp để mọi người có thể ở cùng nhóm với những người có cùng mục tiêu học tập.
So we have some sections, for example, that are targeted for freshmen, other sections that are targeted for transfer students, other sections that are targeted toward people who maybe have had some linear algebra experience.
Ví dụ, có những buổi dành cho sinh viên năm nhất, có buổi dành cho sinh viên chuyển trường, có buổi dành cho những bạn có thể đã có chút kinh nghiệm về đại số tuyến tính.
Just to make it clear, we don't expect you to have any linear algebra experience. This class is taught assuming you have never seen linear algebra before.
Xin nói rõ, chúng tôi không mong các bạn có kinh nghiệm gì về đại số tuyến tính. Môn học được giảng với giả định các bạn chưa từng học đại số tuyến tính.
But just because people come from different backgrounds, especially people who might be transferring — you might have seen some of this material before — you're welcome to go to one of these sections.
Nhưng vì mỗi người có nền tảng khác nhau, đặc biệt là các bạn chuyển trường, có thể bạn đã thấy một phần nội dung này rồi, nên các bạn cứ thoải mái chọn một trong các buổi này.
There's a lot more categories. Please read the website. Choose whichever discussion you would like to go to. Find the one that works for you.
Còn nhiều nhóm khác nữa. Hãy đọc trang web. Chọn buổi thảo luận nào bạn muốn tham gia. Hãy tìm buổi phù hợp với bạn.
There's different personalities, different types of teaching styles. Pick what works for you. Just make sure you go to one of them.
Mỗi người có tính cách khác nhau, phong cách giảng dạy khác nhau. Chọn cái hợp với bạn. Chỉ cần nhớ tham gia một buổi.
The final and basically most important part of this class is all of you. Who is our target audience?
Phần cuối cùng và quan trọng nhất của môn học này chính là các bạn. Đối tượng của chúng tôi là ai?
We want to have a great experience for you, and really we're focusing on having this be the style of teaching of the class is geared towards freshmen as well as incoming junior transfers.
Chúng tôi muốn mang lại trải nghiệm tuyệt vời cho các bạn, và chúng tôi thực sự tập trung để phong cách giảng dạy của môn học phù hợp với sinh viên năm nhất cũng như sinh viên chuyển trường vào năm ba.
There's also a bunch of sophomores that are probably taking this class, and we understand that for some reason or the other you probably couldn't take it your first year, so welcome.
Chắc cũng có khá nhiều sinh viên năm hai đang học môn này, và chúng tôi hiểu rằng vì lý do nào đó năm nhất bạn không học được, nên chào mừng các bạn.
Again, I want to emphasize we're not going to assume any kind of prior experience in linear algebra or physics, so don't worry about any of that. Some minor logistical things.
Một lần nữa, tôi muốn nhấn mạnh là chúng tôi sẽ không giả định bất kỳ kinh nghiệm nào trước đó về đại số tuyến tính hay vật lý, nên đừng lo về điều đó. Một vài vấn đề hậu cần nhỏ.
There's going to be weekly homeworks. Homeworks will be due Friday at midnight, typically. There's an exception of homework zero, which was released yesterday. This is a really simple homework.
Sẽ có bài tập về nhà hằng tuần. Thông thường hạn nộp bài tập là nửa đêm thứ Sáu. Ngoại lệ là bài tập về nhà số không, đã được đăng hôm qua. Đây là bài tập rất đơn giản.
It's just about getting you familiarized with the homework submission process, getting you familiarized with Gradescope, so please make sure that you do it. It is due this Wednesday.
Mục đích chỉ là giúp các bạn làm quen với quy trình nộp bài, làm quen với Gradescope, nên nhớ làm bài này nhé. Hạn nộp là thứ Tư tuần này.
This will be a graded homework, and it's really easy, so make sure you don't miss out on these points.
Bài này có tính điểm và rất dễ, nên đừng bỏ lỡ những điểm này.
There's more details about how to submit the homework and about resubmission and so on and so forth on the website. I encourage you to go and read all of this.
Trên trang web có thêm chi tiết về cách nộp bài tập, về việc nộp lại và nhiều thứ khác. Tôi khuyến khích các bạn đọc hết.
Gradescope will be the main technical interface that we will use for submitting homework. Sometimes it can be a little bit complicated to figure out.
Gradescope sẽ là công cụ chính để nộp bài tập về nhà. Đôi khi nó hơi khó làm quen.
One of the things that sometimes students have challenges with is figuring out how to select pages for your homework. So please remember to do this. We'll remind you about it in discussion.
Một việc mà sinh viên đôi khi gặp khó khăn là chọn trang cho bài làm của mình. Nên hãy nhớ làm việc này. Chúng tôi sẽ nhắc lại trong buổi thảo luận.
I'll post these slides later so you can also look through this.
Tôi sẽ đăng các slide này sau để các bạn xem lại.
A little bit more administrivia before we can get into the real material that we want to get to. So let's talk about what our course policies are at some high level.
Thêm một chút thông tin hành chính nữa trước khi chúng ta vào phần nội dung thực sự mà chúng ta muốn học. Vậy hãy nói về các quy định của môn học ở mức tổng quát.
Most of our stuff is on the website. I'm sure you can go read it and I don't want to go here line by line through all of this with you.
Hầu hết đều có trên trang web. Tôi chắc là các bạn sẽ tự đọc, và tôi không muốn đọc từng dòng cùng các bạn.
I trust that you will all go and read all of this and know all of this information. Our main goal in this class is learning.
Tôi tin rằng các bạn sẽ đọc hết và nắm rõ tất cả thông tin này. Mục tiêu chính của chúng ta trong môn này là việc học.
We want to help you learn something that you don't already know. And learning is hard sometimes, so please come to us when you need help.
Chúng tôi muốn giúp các bạn học những điều mà các bạn chưa biết. Việc học đôi khi khó, nên hãy đến gặp chúng tôi khi cần giúp đỡ.
And a lot of the — the fact that we have homework, the fact that we have lab, the fact that we have discussion — these are designed to help you learn and get better.
Việc có bài tập về nhà, có bài thí nghiệm (lab), có buổi thảo luận, đều nhằm giúp các bạn học và tiến bộ.
Our grading is absolute. There is no scale. There is no curve. So that means that you're not competing against each other.
Cách chấm điểm của chúng tôi là tuyệt đối. Không có thang điểm quy đổi. Không chấm theo đường cong phân phối. Nghĩa là các bạn không cạnh tranh với nhau.
So we encourage you to collaborate, work together, and really also make friends in this class.
Vì vậy chúng tôi khuyến khích các bạn hợp tác, cùng làm việc, và kết bạn trong lớp này.
This semester we're going to be organizing a couple of roundtable events, so this is a chance for people to sign up to meet one of the professors in a smaller setting.
Học kỳ này chúng tôi sẽ tổ chức một vài buổi gặp gỡ bàn tròn, đây là cơ hội để các bạn đăng ký gặp một trong các giáo sư trong không gian nhỏ hơn.
We will be releasing sign ups for this in the coming weeks, so stay tuned for that. There'll be more information on Piazza.
Chúng tôi sẽ mở đăng ký trong vài tuần tới, nên hãy theo dõi nhé. Sẽ có thêm thông tin trên Piazza.
So what is our goal here? The one thing I want to talk about a little bit is course culture, and we're trying really hard to have a very positive and fun learning environment.
Vậy mục tiêu của chúng ta ở đây là gì? Điều tôi muốn nói một chút là văn hóa của môn học, và chúng tôi rất cố gắng tạo ra một môi trường học tập tích cực và vui vẻ.
And I really want to encourage you in this to collaborate and help each other out. And what we really, really want to discourage is a kind of competitive atmosphere here.
Tôi thực sự muốn khuyến khích các bạn hợp tác và giúp đỡ lẫn nhau. Điều chúng tôi thực sự rất muốn tránh là bầu không khí cạnh tranh.
We're really not going to tolerate people making fun of other people or being judgmental. College is a hard experience.
Chúng tôi sẽ không dung thứ việc chế giễu người khác hay phán xét người khác. Đại học là một trải nghiệm khó khăn.
A lot of the material that you're going to be learning will be very fun, but it might not be easy.
Nhiều kiến thức các bạn sắp học sẽ rất thú vị, nhưng có thể không dễ.
You'll have to work hard at it, and we're going to rely on you to work together to build and get better at this.
Các bạn sẽ phải nỗ lực, và chúng tôi trông cậy vào việc các bạn cùng nhau xây dựng và tiến bộ hơn trong việc này.
There's a lot of tips on how you can succeed in 16A. Most importantly, make sure you get enough sleep. I don't want to go through too many of these details, but think about it.
Có rất nhiều mẹo giúp các em học tốt môn 16A. Quan trọng nhất là các em phải ngủ đủ giấc. Cô không muốn đi quá sâu vào các chi tiết này, nhưng hãy nghĩ về điều đó.
I'll post these slides later and make sure that you can follow along. So with that, I really want to get started with the technical part of today.
Cô sẽ đăng các slide này lên sau để các em có thể theo dõi. Vậy nên bây giờ, cô muốn bắt đầu phần kỹ thuật của buổi hôm nay.
I don't want to spend too much time on any more administrative details. So I'll ask to start with a question.
Cô không muốn dành thêm nhiều thời gian cho các chi tiết hành chính nữa. Trước hết, cô xin hỏi một câu.
Do you know what is the key idea that is used to allow touchscreens to detect touch on, let's say, your tablet or your iPhone?
Các em có biết ý tưởng then chốt nào giúp màn hình cảm ứng phát hiện cái chạm trên, chẳng hạn, máy tính bảng hay iPhone của các em không?
What is this idea? What is maybe the idea that allows an autonomous car — some people here were interested in autonomous cars — to drive in a straight line?
Ý tưởng đó là gì? Còn ý tưởng nào giúp một chiếc xe tự lái — một số bạn ở đây quan tâm đến xe tự lái — chạy thẳng theo một đường?
The same idea turns out to be useful for letting search engines rank web pages. It is also a key idea in training neural networks, which maybe some of you have heard about.
Cũng chính ý tưởng đó hóa ra lại hữu ích để công cụ tìm kiếm xếp hạng các trang web. Nó cũng là ý tưởng then chốt khi huấn luyện mạng nơ-ron, mà có thể một số bạn đã nghe qua.
Any ideas on what this might be? Yeah? Yeah, you.
Có ai đoán được đó là gì không? Bạn nào? Ừ, bạn đó.
STUDENT
Linear algebra.
Đại số tuyến tính.
GIREEJA RANADE
Linear algebra is a big part of it, but even more specifically.
Đại số tuyến tính là một phần lớn của nó, nhưng còn cụ thể hơn nữa.
The specific part is eigenvalues and feedback and stability, and these are some of the key ideas that we're going to be learning about in this class.
Phần cụ thể là giá trị riêng, hồi tiếp và tính ổn định, và đây là một số ý tưởng then chốt mà chúng ta sẽ học trong môn này.
And eigenvalues and feedback stability, these ideas are actually so important, I recently found out this summer that they're also incredibly important for time travel.
Và giá trị riêng, hồi tiếp và tính ổn định, những ý tưởng này quan trọng đến mức mùa hè này cô mới biết là chúng cũng cực kỳ quan trọng đối với du hành thời gian.
You maybe saw this. I talked to Marvel over the summer. I told them I was teaching this class, so — SPEAKER 1: One last scene before we pack in in for the night.
Có thể các em đã xem rồi. Mùa hè cô có trao đổi với Marvel. Cô nói với họ là cô đang dạy môn này, nên — NGƯỜI NÓI 1: Một cảnh cuối trước khi chúng ta nghỉ đêm nay.
This time in the shape of a Mobius strip. Invert it, please. SPEAKER 2: Processing.
Lần này theo hình dạng một dải Mobius. Làm ơn đảo ngược nó. NGƯỜI NÓI 2: Đang xử lý.
SPEAKER 1: Give me that eigenvalue. That particle factoring in spectral decomp, that'll take a second. SPEAKER 2: Just a moment. SPEAKER 1: And don't worry if it doesn't pan out.
NGƯỜI NÓI 1: Đưa tôi giá trị riêng đó. Hạt đó đang tính vào phân rã phổ, sẽ mất một chút. NGƯỜI NÓI 2: Xin chờ một lát. NGƯỜI NÓI 1: Đừng lo nếu nó không thành công.
I'm just kind of — SPEAKER 2: Model rendered.
Tôi chỉ hơi — NGƯỜI NÓI 2: Đã dựng xong mô hình.
SPEAKER 1: Shit!
NGƯỜI NÓI 1: Chết tiệt!
GIREEJA RANADE
Anyway. So eigenvalues, as you can see, are very, very important.
Thôi được rồi. Như các em thấy, giá trị riêng rất, rất quan trọng.
Spectral decomposition, we'll talk a little bit about it in this class, but if you really want to learn what singular values are, you'll have to wait till 16B.
Phân rã phổ thì chúng ta sẽ nói chút ít trong môn này, nhưng nếu các em thật sự muốn biết giá trị suy biến là gì, thì phải đợi đến 16B.
And then there's all of quantum physics, which you'll have to go to another class for, but soon enough you'll get there. It's actually interesting.
Rồi còn cả vật lý lượng tử, môn này các em sẽ phải học ở lớp khác, nhưng rồi sẽ tới đó thôi.
Avengers seems to be connected with this class ever since the beginning. This was a picture that was made by the first ever cohort that took 16A.
Thú vị là Avengers có vẻ gắn với môn này từ lúc đầu. Đây là bức ảnh do khóa đầu tiên học 16A làm ra.
This was the pilot back in 2015, and it seems like the movie has grown up with the class, and we hope to keep the theme running.
Đó là khóa thử nghiệm năm 2015, và có vẻ bộ phim đã lớn lên cùng môn học, và chúng ta hy vọng sẽ giữ chủ đề này. Cô rất tò mò xem các em sẽ nghĩ ra gì.
So I'd be curious to see what you folks come up with. But moving from movies to our scheduled programming, let's think about another thing.
Nhưng từ phim ảnh, ta quay lại chương trình chính, hãy nghĩ đến một điều khác.
What's the key idea that makes Shazam work, and it also makes the GPS on your phone work?
Ý tưởng then chốt nào giúp Shazam hoạt động, và cũng giúp GPS trên điện thoại của các em hoạt động? Một ý tưởng khác mà chúng ta sẽ học trong môn này.
Another idea that we will be learning about in this class.
I don't expect you to know it because we haven't taught the class yet, but by the end of the class you will know exactly what this is, and this idea turns out to be — oh, is there a suggestion back there?
Cô không mong các em biết vì chúng ta chưa dạy, nhưng đến cuối môn các em sẽ biết chính xác nó là gì, và ý tưởng này hóa ra là — ồ, phía sau có ai gợi ý không? Không à?
SINH VIÊN
No?
Biến đổi Fourier.
STUDENT
Fourier transformations.
GIREEJA RANADE
Fourier transformations are very related, but we actually don't even need to use Fourier transformations to understand this. We can understand this at a simple level using the idea of cross-correlation.
Biến đổi Fourier có liên quan rất nhiều, nhưng thực ra ta thậm chí không cần dùng biến đổi Fourier để hiểu điều này. Ta có thể hiểu ở mức đơn giản bằng ý tưởng tương quan chéo. Biến đổi Fourier, một lần nữa, là thứ các em sẽ học thêm ở 16B.
Fourier transforms are something, again, that you will learn more about in 16B. Cross-correlation we'll start out with right in 16A. And finally, one more thing we're going to be talking about.
Còn tương quan chéo thì ta bắt đầu ngay trong 16A. Và cuối cùng, còn một điều nữa chúng ta sẽ nói tới.
A fundamental algorithm in machine learning and AI, and it's used basically, at this point, every single day to make predictions in biology, in brain machine interfaces, in social science, imaging algorithms, all kinds of things.
Một thuật toán nền tảng trong machine learning và AI, và hiện nay hầu như ngày nào cũng được dùng để đưa ra dự đoán trong sinh học, giao diện não-máy, khoa học xã hội, các thuật toán xử lý ảnh, đủ mọi lĩnh vực.
What's this algorithm that we're going to be learning at the end of 16A?
Thuật toán mà chúng ta sẽ học ở cuối 16A là gì? Bạn nào?
SINH VIÊN
Yeah?
Hồi quy.
STUDENT
Regression.
Hồi quy.
GIREEJA RANADE
Regression. Least squares.
Bình phương tối thiểu.
So by the end of this class — I don't expect any of you to have any idea of the answers of this right now, but by the end of this class, I hope that you will be able to go and tell your younger siblings and your younger friends about all of these cool things, because it's up to you
Vậy nên đến cuối môn này — cô không mong ai trong các em biết đáp án của những câu này ngay bây giờ, nhưng đến cuối môn, cô hy vọng các em có thể kể cho các em nhỏ và bạn bè nhỏ tuổi hơn về tất cả những điều thú vị này, vì chính các em sẽ truyền cảm hứng cho thế hệ tiếp theo theo học các ngành STEM
to inspire the next generation of folks to join STEM majors and be part of this community. So hopefully you can share this message.
và trở thành một phần của cộng đồng này. Hy vọng các em sẽ chia sẻ thông điệp này.
So just to give you a little bit more detail about what we're going to go into in this class and how are we going to cover all of these different topics.
Bây giờ cô nói chi tiết hơn một chút về những gì chúng ta sẽ học trong môn này và cách chúng ta bao quát tất cả những chủ đề khác nhau đó. 16A không phải là môn học điểm qua các chủ đề.
16A is not a survey class.
I know some of you might have heard that, but really what we're trying to do is we're trying to give you a rigorous foundation, not just for the next four years of your time here at Berkeley, but for the next 40 years of your career.
Cô biết một số bạn có thể đã nghe vậy, nhưng điều chúng ta muốn làm là mang đến cho các em một nền tảng chặt chẽ, không chỉ cho bốn năm tới của các em ở Berkeley, những năm các bạn học ở Berkeley, mà cho 40 năm sự nghiệp của các bạn.
We're not just trying to prepare you to solve a problem set or get your first job interview. We're trying to prepare you to learn on your own as you go ahead.
Chúng tôi không chỉ chuẩn bị cho các bạn giải một bài tập hay vượt qua buổi phỏng vấn xin việc đầu tiên. Chúng tôi muốn chuẩn bị cho các bạn khả năng tự học trong suốt quá trình tiến lên phía trước.
Technology changes, and you have to deal with real world challenges, things that are unspecified and things that might be very dynamic and unclear. Which is why this class is structured the way it is.
Công nghệ thay đổi, và các bạn phải đối mặt với những thách thức thực tế, những thứ không được xác định rõ và có thể rất biến động, thiếu rõ ràng. Đó là lý do môn học này được cấu trúc như vậy.
So the first module is going to be an introduction to systems. And here we're really going to try and learn, how do we build a model?
Module đầu tiên là phần giới thiệu về các hệ thống. Ở đây chúng ta sẽ học cách trả lời câu hỏi: làm sao xây dựng một mô hình?
How do we take something abstract and unstructured and put it into a mathematical formulation that we can build on and work with?
Làm sao lấy một thứ trừu tượng, không có cấu trúc và đưa nó về dạng công thức toán học để ta có thể phát triển và làm việc với nó?
The second module is the really powerful part where you say, well, I have a model. That's great. I can do a lot of analysis. Right?
Module thứ hai là phần thực sự mạnh mẽ, khi bạn nói: tôi đã có một mô hình. Tuyệt vời. Tôi có thể phân tích rất nhiều. Đúng không?
Iron Man could do a lot of analysis, but if he couldn't take that analysis and go the next step to actually design what he needed, that analysis isn't good for anything.
Iron Man có thể phân tích rất nhiều, nhưng nếu anh ấy không thể lấy phân tích đó và tiến thêm bước nữa để thiết kế thứ anh ấy cần, thì phân tích đó chẳng có ích gì.
So module two focuses on design. How do we use these models, and how do we actually build things in the real world that get us what we want?
Vì vậy module hai tập trung vào thiết kế. Làm sao dùng các mô hình này, và làm sao thực sự xây dựng những thứ trong thế giới thực đạt được điều ta muốn?
So here we'll be starting to introduce circuits so that we can take the models that we have for circuits and use them to build different things that we would like to build.
Ở đây chúng ta sẽ bắt đầu giới thiệu về mạch, để lấy các mô hình mà ta có cho mạch và dùng chúng để xây dựng những thứ khác nhau mà ta muốn xây dựng.
In particular, we'll be focusing on touchscreens. And the third module is going to be talking about learning from data.
Cụ thể, chúng ta sẽ tập trung vào màn hình cảm ứng. Còn module thứ ba sẽ nói về việc học từ dữ liệu.
So if we wanted to learn about the real world — if we wanted to learn these models instead of just guessing what they are — how do we do that?
Nếu muốn tìm hiểu thế giới thực, nếu muốn học các mô hình này thay vì chỉ đoán chúng là gì, thì ta làm thế nào?
And we'll talk about the basics of machine learning. 16B picks up from here and gives you a lot of the aha moments that 16A is building up for.
Và chúng ta sẽ nói về những kiến thức cơ bản của machine learning. 16B tiếp nối từ đây và mang đến nhiều khoảnh khắc "à, ra vậy" mà 16A đang chuẩn bị nền tảng cho.
So there you'll talk about advanced circuit design, you'll talk about an introduction to robotics, and you'll also talk about an introduction to what is called unsupervised learning that we'll talk more about later in this class.
Ở đó các bạn sẽ học thiết kế mạch nâng cao, phần giới thiệu về robotics, và cả phần giới thiệu về cái gọi là unsupervised learning, mà chúng ta sẽ nói kỹ hơn ở phần sau của môn này.
So the two main goals in 16A and 16B are really to introduce you to these ideas of modeling and problem formulation — and this will be happening in module one — and design thinking in module two.
Vậy hai mục tiêu chính của 16A và 16B là giới thiệu cho các bạn những ý tưởng về mô hình hóa và cách đặt bài toán, việc này diễn ra ở module một, và tư duy thiết kế ở module hai.
And the third module is putting it all together.
Còn module thứ ba là kết hợp tất cả lại.
We're going to see different kinds of conceptual tools through linear algebra, and the circuits module is going to help us really take these modeling tools to implement and build things in the real world.
Chúng ta sẽ thấy các loại công cụ khái niệm khác nhau qua đại số tuyến tính, và module về mạch sẽ giúp ta đưa những công cụ mô hình hóa này vào việc hiện thực hóa và xây dựng thứ trong thế giới thực.
And the idea is that this will give you a sense of the different kinds of things you can do within the EECS department, and there's many, many different things you can do.
Ý tưởng là điều này sẽ cho các bạn một cảm nhận về những việc khác nhau mà bạn có thể làm trong khoa EECS, và có rất, rất nhiều việc. Rất nhiều lựa chọn khác nhau.
So for example, if you get really interested in the algorithms part of this, well, maybe then you will end up taking classes like optimization and AI and machine learning.
Ví dụ, nếu bạn thực sự hứng thú với phần thuật toán, thì có thể bạn sẽ học các lớp như tối ưu hóa, AI và machine learning.
But if you're really interested in how to design a medical device, how do I build a Fitbit, how do I build a better ICU monitor, then maybe you'll take classes like 105 and 140.
Nhưng nếu bạn thực sự quan tâm đến việc thiết kế thiết bị y tế, làm sao chế tạo Fitbit, làm sao chế tạo máy theo dõi ICU tốt hơn, thì có thể bạn sẽ học các lớp như 105 và 140.
Maybe you'll get really interested in energy and you'll think about how to design better solar cells, and then maybe you'll take classes like the 130 series.
Có thể bạn sẽ rất quan tâm đến năng lượng và nghĩ cách thiết kế pin mặt trời tốt hơn, và khi đó có thể bạn sẽ học chuỗi lớp 130.
Maybe you'll be interested in larger scale design — maybe in human factors, maybe large scale networks, maybe hardware design — and then there's a series of hardware classes.
Có thể bạn quan tâm đến thiết kế quy mô lớn hơn, có thể là yếu tố con người, mạng quy mô lớn, hoặc thiết kế phần cứng, và có cả một chuỗi các lớp về phần cứng.
Or maybe you'll take the 16B final project, you'll think the robotics car is so cool, and you will want to take the series of robotics classes that we have, like 106 and 149 and 128.
Hoặc có thể bạn làm đồ án cuối kỳ 16B, thấy chiếc xe robot thật tuyệt, và muốn học chuỗi các lớp về robotics mà chúng tôi có, như 106, 149 và 128.
So the goal in 16A, the reason that we expose you to many, many different types of things, is that all of us believe, and I personally believe, that there is a spot in this department for each one of you and we want to help you find it.
Vậy mục tiêu của 16A, lý do chúng tôi cho các bạn tiếp xúc với rất nhiều thứ khác nhau, là vì tất cả chúng tôi đều tin, và cá nhân tôi cũng tin, rằng khoa này có một chỗ dành cho mỗi người trong các bạn và chúng tôi muốn giúp các bạn tìm ra nó.
You're not expected to like and enjoy every single homework problem or every single class that you take. You just have to like the few things.
Không ai mong các bạn thích mọi bài tập về nhà hay mọi lớp học mà các bạn học. Bạn chỉ cần thích một vài thứ thôi.
So please go ahead and try to figure out what that is.
Nên hãy cứ thử tìm xem đó là gì.
So with this, I'm going to actually pass over to Professor Boser to talk a little bit more about the arc of this class.
Với điều này, tôi xin nhường lời cho Giáo sư Boser để nói thêm một chút về lộ trình của môn học này.
BERNHARD BOSER
Thank you.
Cảm ơn bạn.
If you were born 150 years ago, this is how your smartphone would look like. You may laugh about this now, because heck, how does this look like a smartphone?
Nếu bạn sinh ra cách đây 150 năm, thì chiếc điện thoại thông minh của bạn sẽ trông như thế này. Bây giờ bạn có thể cười, vì trời ơi, cái này mà giống điện thoại thông minh sao?
Not very much.
Không giống lắm.
But maybe 150 years or even less than that, other people, others or maybe even we will laugh about what today we consider a smartphone.
Nhưng có thể 150 năm nữa, hoặc thậm chí ít hơn, người khác, hoặc có thể chính chúng ta sẽ cười về thứ mà ngày nay ta coi là điện thoại thông minh.
And who is going to invent and create this new reality of smartphone plus, because I don't know how it's going to look like. Well, it's you.
Và ai sẽ phát minh và tạo ra thực tại mới của điện thoại thông minh cộng này, vì tôi không biết nó sẽ trông như thế nào. Chính là các bạn.
Engineers and scientists, and you obviously chose to become engineers or scientists.
Các kỹ sư và nhà khoa học, và các bạn rõ ràng đã chọn trở thành kỹ sư hoặc nhà khoa học.
So 16 is going to help you to transform something like this into whatever. Your innovation. The next generation. So how is this smartphone?
Vì vậy môn 16 sẽ giúp các bạn biến thứ như thế này thành bất cứ thứ gì. Sự đổi mới của các bạn. Thế hệ tiếp theo. Vậy thiết bị này là điện thoại thông minh như thế nào?
Just very quickly.
Nói rất nhanh thôi.
There is a key where you can send, sort of like smoke signals, but electrical smoke signals of various durations, and with that you can encode messages, for example, whether it is a [INAUDIBLE] or a greeting.
Có một chiếc khóa để bạn gửi đi, giống như tín hiệu khói, nhưng là tín hiệu khói điện với các độ dài khác nhau, và với đó bạn có thể mã hóa thông điệp, ví dụ như một [KHÔNG NGHE RÕ] hay một lời chào.
This was very revolutionary at the time, and people managed to communicate farther and farther where smoke signals, for example, wouldn't work because there was no line of sight.
Vào thời đó điều này mang tính cách mạng, và người ta đã liên lạc được ngày càng xa hơn, ở những nơi mà tín hiệu khói chẳng hạn không dùng được vì không có đường nhìn thẳng.
And ultimately, somebody had an idea, gee, maybe we could link continents together, Europe and the America.
Cuối cùng, có người nảy ra ý tưởng: này, biết đâu ta có thể nối các châu lục với nhau, châu Âu và châu Mỹ.
And so they put the cable at the bottom of the Atlantic Ocean, and they thought, well, now we will let these electrical pulses travel along this cable.
Thế là họ đặt dây cáp xuống đáy Đại Tây Dương, và họ nghĩ, giờ thì ta sẽ cho các xung điện này truyền dọc theo sợi cáp.
Well, it worked just long enough for the Queen of England to send a greeting to the President of the United States, and then it stopped working. That wasn't the plan.
Nó chỉ hoạt động đủ lâu để Nữ hoàng Anh gửi lời chào đến Tổng thống Hoa Kỳ, rồi sau đó thì ngừng hoạt động. Đó không phải là kế hoạch.
They planned, just like today, that this would be a revolution, and they didn't know why it didn't work. So they looked at it. They analyzed it. Where did it break?
Họ đã dự định, cũng như bây giờ, rằng việc này sẽ là một cuộc cách mạng, và họ không biết vì sao nó hỏng. Vậy là họ xem xét nó. Họ phân tích nó. Nó hỏng ở đâu?
And ultimately they figured out more and more, and they could make reliable communication. They also, along the way, changed the way that this was electrical. Now we do it more likely optically.
Và cuối cùng họ hiểu ra ngày càng nhiều, và có thể tạo ra liên lạc đáng tin cậy. Trên đường đi, họ cũng đã thay đổi cách mà việc này dùng điện. Giờ đây ta thường làm bằng quang học hơn.
But that's what engineers do. They come up with a great idea, they implement it, and sometimes it just works. But guess what. Most of the time it doesn't.
Nhưng kỹ sư làm như vậy đó. Họ nghĩ ra một ý tưởng hay, triển khai nó, và đôi khi nó chạy ngay. Nhưng đoán xem. Phần lớn thời gian thì không.
And then engineers or scientists go and figure out what's really going on.
Rồi các kỹ sư hay nhà khoa học đi tìm hiểu xem thực sự chuyện gì đang xảy ra.
They create models, models that can be used next time when they innovate something new that builds on what they came up before.
Họ xây dựng các mô hình, để lần sau khi đổi mới ra thứ gì đó mới, nó được xây dựng trên những gì họ đã làm trước đó.
A few years later, then, Alexander Bell came up with an idea where you could send voice signals through such wires.
Vài năm sau, Alexander Bell nảy ra ý tưởng gửi tín hiệu giọng nói qua những sợi dây như thế.
I worked for him but he didn't know it because I came a little bit too late.
Tôi từng làm việc cho ông ấy mà ông không biết, vì tôi đến hơi muộn.
So we moved from what was on the previous slide to what is on this slide. This actually has changed a little bit.
Vậy là ta chuyển từ thứ ở slide trước sang thứ ở slide này. Cái này thực ra đã thay đổi một chút.
We moved to this. So how did we get there?
Ta chuyển sang cái này. Vậy ta đến được đây bằng cách nào?
So first of all, this is very different from sort of an original, let's say, most he can do, because this not only can communicate.
Trước hết, cái này rất khác với thứ ban đầu, giả sử là thứ tối đa mà nó làm được, vì cái này không chỉ giao tiếp được.
It can also sense the environment. It can figure out what's going on. It can think about the environment, driverless car, for example.
Nó còn cảm nhận được môi trường. Nó nhận biết chuyện gì đang xảy ra. Nó có thể suy nghĩ về môi trường, ví dụ xe tự lái, chẳng hạn.
it can decide what actions to take, for example, to accelerate, or stop, or turn. And it can actually accelerate or stop or turn. So how do we build stuff like that?
Nó có thể quyết định hành động cần làm, ví dụ tăng tốc, dừng, hoặc rẽ. Và nó thực sự tăng tốc, dừng hoặc rẽ được. Vậy làm sao ta xây dựng được những thứ như vậy?
Well, what is the fundamental technology that we use for this?
Công nghệ nền tảng mà ta dùng cho việc này là gì?
Well, the key technology that is at the basis of all of this is a silicon integrated circuit technology, and in particular, there's a component that incidentally was invented at the lab of Bell Laboratories, of that guy, Bell, founded and it's named after him.
Công nghệ then chốt làm nền tảng cho tất cả những thứ này là công nghệ mạch tích hợp silicon, và cụ thể có một linh kiện mà tình cờ được phát minh tại phòng thí nghiệm Bell Laboratories, của ông Bell đó, ông ấy sáng lập và nó mang tên ông.
So the key component is something called a transistor. What's a transistor? Well, a transistor essentially is a switch, just like a light switch, except it has a few differences.
Linh kiện then chốt đó gọi là transistor. Transistor là gì? Về cơ bản, transistor là một công tắc, giống như công tắc đèn, nhưng có vài điểm khác.
One very important thing, just like the light switch, it does let electrical current flow, or not, and we will talk about what electrical current is later.
Một điều rất quan trọng, cũng như công tắc đèn, nó cho dòng điện chạy qua hoặc không, và lát nữa ta sẽ nói dòng điện là gì.
But it doesn't use a mechanical action to do that. It uses another electrical signal. And because it uses an electrical signal, it produces an electrical signal.
Nhưng nó không dùng thao tác cơ học để làm vậy. Nó dùng một tín hiệu điện khác. Và vì dùng tín hiệu điện, nó tạo ra một tín hiệu điện.
You can cascade those, and if you cascade many of them, you can do incredible stuff, like a smart phone or a computer.
Bạn có thể ghép nối tiếp chúng, và nếu ghép thật nhiều, bạn làm được những thứ phi thường, như điện thoại thông minh hay máy tính.
The incredible thing is that we have managed to put more and more of these transistors on a chip. It started with just one in the '60s or so, and then this number exploded.
Điều đáng kinh ngạc là ta đã đặt được ngày càng nhiều transistor lên một chip. Bắt đầu chỉ với một cái vào khoảng thập niên '60, rồi con số này bùng nổ.
Now the chips with the highest number of transistors is over 1 trillion transistors.
Hiện nay chip có số transistor cao nhất là hơn 1 nghìn tỷ transistor.
So in your pocket you may be carrying a couple of chips, a few trillion transistors.
Vậy trong túi bạn có thể mang vài con chip, tức vài nghìn tỷ transistor.
So this incredible growth of the number of transistors, which, by the way, continues, was predicted by a fellow, Gordon Moore, who is an alumni from UC Berkeley.
Sự tăng trưởng đáng kinh ngạc này của số transistor, mà nhân tiện vẫn đang tiếp diễn, đã được dự đoán bởi một người tên Gordon Moore, cựu sinh viên UC Berkeley.
In the '70s, or even late '60s, he realized that the number of these transistors that they could make on a single chip — what is a chip?
Vào thập niên '70, hay thậm chí cuối thập niên '60, ông nhận ra rằng số transistor họ có thể chế tạo trên một chip duy nhất, mà chip là gì?
Well, it's a sliver of silicon, a very common element on earth. We are not going to run out of that.
Đó là một lát silicon mỏng, một nguyên tố rất phổ biến trên Trái Đất. Ta sẽ không hết silicon đâu.
How many transistors they could make on a chip was increasing every year, and it was very important because he was a co-founder of Intel, and Intel absolutely depends on being able to make more and more of these transistors because it makes more and more powerful computers.
Số transistor họ có thể làm trên một chip tăng lên mỗi năm, và điều đó rất quan trọng vì ông là đồng sáng lập Intel, và Intel hoàn toàn phụ thuộc vào việc làm được ngày càng nhiều transistor vì như vậy máy tính mới ngày càng mạnh hơn.
So it started with just a few, and then he captures this observation saying, you know, it doubles. The number of transistors we can make on a chip doubles about every two years.
Ban đầu chỉ có vài cái, rồi ông tóm gọn quan sát này: số đó tăng gấp đôi. Số transistor ta chế tạo được trên một chip tăng gấp đôi khoảng mỗi hai năm.
Imagine that. Go get a job when you graduate from here where your salary doubles every two years. You will do very well. You will do very well anyway.
Hãy tưởng tượng xem. Hãy tìm một công việc sau khi tốt nghiệp mà lương tăng gấp đôi mỗi hai năm. Bạn sẽ khá giả lắm. Dù sao bạn cũng sẽ khá giả thôi.
So how is it possible to put more and more stuff? Well, one way would be to make it bigger and bigger, and of course, that's not what we did.
Vậy làm sao có thể nhét ngày càng nhiều thứ vào? Một cách là làm chip ngày càng lớn, và tất nhiên ta đã không làm vậy.
So here, that's Mark Bohr. He's also somebody from Intel, a fellow from Intel.
Đây là Mark Bohr. Ông cũng là người của Intel.
He's one meter, 60 tall, and he put together this chart illustrating how small transistors have gotten.
Ông cao một mét sáu, và ông đã lập biểu đồ này minh họa transistor đã nhỏ đến mức nào.
So a fly, seven millimeters, is already pretty small compared to Mark or you. A mite, even smaller. Actually, what's the diameter of a human hair?
Một con ruồi, bảy milimét, đã khá nhỏ so với Mark hay so với các bạn. Một con mạt, còn nhỏ hơn. Thế đường kính sợi tóc người là bao nhiêu?
Well, about a third of a mite, so a mite is still big compared to a hair. A blood cell, a few micron. A virus, a hundred nanometers square.
Khoảng một phần ba con mạt, nên con mạt vẫn còn lớn so với sợi tóc. Một tế bào máu, vài micron. Một con virus thì rộng khoảng một trăm nanômét.
Seen a virus? With a very good microscope. So transistors are even smaller than that.
Các em đã thấy virus chưa? Phải dùng kính hiển vi rất tốt. Còn transistor thì còn nhỏ hơn thế nữa.
Actually, my senior thesis was building a chip, and the transistors that I used there were seven micron long, seven micrometer long. So still very small compared to a hair.
Thật ra, luận văn tốt nghiệp của thầy là chế tạo một con chip, và các transistor mà thầy dùng khi đó dài bảy micron, bảy micrômét. Vẫn rất nhỏ so với một sợi tóc.
I had to use a microscope to see them. Well now, they're 1,000 times shorter. 1,000 times!
Thầy phải dùng kính hiển vi mới nhìn thấy chúng. Còn bây giờ, chúng ngắn hơn 1.000 lần. 1.000 lần!
So that means you can put 1,000 square, because you can put them in x and y, 1,000 times square, a million times more transistors on a chip than I could when I was a student.
Nghĩa là có thể đặt 1.000 bình phương, vì có thể đặt theo cả x và y, 1.000 lần bình phương, tức nhiều hơn một triệu lần số transistor trên một con chip so với thời thầy còn là sinh viên.
Today is an absolutely incredible time because things have changed dramatically for you than they were when I was an undergraduate student. When I was an undergraduate student, we had all sorts of ideas.
Ngày nay là một thời đại cực kỳ tuyệt vời vì mọi thứ đã thay đổi rất nhiều đối với các em so với thời thầy còn là sinh viên đại học. Hồi thầy còn là sinh viên đại học, bọn thầy có đủ loại ý tưởng.
We want to do this or that and we wanted to build a computer that we could carry around. We couldn't. It was way too big because the technology was simply not powerful enough.
Muốn làm cái này cái kia, và bọn thầy muốn chế tạo một chiếc máy tính mang theo người được. Nhưng không thể. Nó quá cồng kềnh vì công nghệ đơn giản là chưa đủ mạnh.
We couldn't do that. Today it's different. The technology is incredibly powerful, almost infinitely powerful.
Bọn thầy không làm được. Ngày nay thì khác. Công nghệ cực kỳ mạnh, gần như mạnh vô hạn.
And what the opportunities give you is that you can have an idea — if you have a good idea, you're probably, with your engineering and scientific knowledge, you will be able to implement it and you can create something new, something great new.
Và cơ hội mà điều đó mang lại cho các em là các em có thể có một ý tưởng, nếu là ý tưởng hay, thì với kiến thức kỹ thuật và khoa học của mình, các em có thể hiện thực hóa nó và tạo ra một thứ mới, một thứ mới tuyệt vời.
So with that size, you will notice here, transistors today are a few nanometers.
Với kích thước đó, các em sẽ thấy ở đây, transistor ngày nay chỉ vài nanômét.
A silicon atom is about a quarter of a nanometer, so we are going to get into some difficulty here, but there are ways around it.
Một nguyên tử silicon khoảng một phần tư nanômét, nên chúng ta sắp gặp khó khăn ở đây, nhưng vẫn có cách vượt qua.
For example, we can put in three dimensions or so. Anyways, the power of technology has been increasing and continues to increase incredibly.
Ví dụ, ta có thể xếp theo ba chiều. Dù sao, sức mạnh của công nghệ vẫn không ngừng tăng và tiếp tục tăng một cách đáng kinh ngạc.
Now more and more it's a question of where is that killer idea? What are we going to do with it?
Giờ đây ngày càng là câu hỏi ý tưởng đột phá đó ở đâu? Ta sẽ làm gì với nó?
So of course, if you build a system where just one chip has a trillion components, then you need to be a bit organized about it.
Dĩ nhiên, nếu xây một hệ thống mà chỉ một con chip có một nghìn tỷ linh kiện, thì ta cần có tổ chức một chút.
You can't have in your notebook one page for every transistor. That notebook would be a little bit too big.
Không thể dành một trang vở cho mỗi transistor được. Cuốn vở đó sẽ hơi quá to.
So we need some way on how to do that, and there are a number of powerful things. Usually they're called abstractions that help us to deal with such complexity.
Vì vậy ta cần một cách nào đó để làm việc này, và có một số công cụ rất mạnh. Thường gọi là các abstraction (trừu tượng hóa) giúp ta xử lý sự phức tạp như vậy.
And here are pictures of three people that contributed very significantly to developing the kinds of abstractions that we use as engineers to build unbelievably complex stuff.
Và đây là ảnh của ba người đã đóng góp rất lớn vào việc phát triển các loại abstraction mà kỹ sư chúng ta dùng để xây dựng những thứ phức tạp đến khó tin.
The first one, Ada, she had an idea which, at the time — now it's sort of common sense — but at the time was totally revolutionary.
Người đầu tiên, Ada, bà có một ý tưởng mà vào thời đó, bây giờ thì có vẻ hiển nhiên, nhưng lúc ấy hoàn toàn mang tính cách mạng.
She wrote an algorithm, sort of a set of instructions, for a machine to execute. And if you think about it, that's precisely what a computer program is.
Bà viết một thuật toán, một tập các chỉ dẫn, để máy thực thi. Nếu nghĩ kỹ, đó chính xác là một chương trình máy tính.
So she was the first computer programmer.
Vậy bà là lập trình viên đầu tiên.
Then Alan Turing, a little bit later, about 50 or so years later, he asked the question — he did lots of incredible things but one thing that he asked is the question, well, what is, really, a computer?
Rồi đến Alan Turing, muộn hơn một chút, khoảng 50 năm sau, ông đặt ra câu hỏi, ông làm rất nhiều điều phi thường, nhưng một điều ông hỏi là: thực ra máy tính là gì?
What are really the essential elements for a computer?
Những yếu tố thiết yếu của một máy tính là gì?
If you think about it, the computer that you carry around, your smartphone, your laptop or so, are unbelievably complicated things, and in order to think about them it's not very helpful to have something very complicated to try to figure out what it's doing.
Hãy nghĩ xem, máy tính các em mang theo người, điện thoại thông minh, laptop, là những thứ phức tạp đến khó tin, và để suy nghĩ về chúng thì có một thứ quá phức tạp để tìm hiểu nó đang làm gì thì không có ích lắm.
So Turing figured out a very abstract, very simple kind of thing that captures all the essence of a computer and it's called the Turing machine.
Vì vậy Turing đã tìm ra một thứ rất trừu tượng, rất đơn giản mà nắm bắt toàn bộ bản chất của một máy tính, gọi là máy Turing.
You can look it up on the web, how it is. It's a sort of a table. Very simple. But now, because this is so simple, yet it describes all that computers possibly can do.
Các em có thể tra trên web xem nó như thế nào. Nó giống như một cái bảng. Rất đơn giản. Nhưng vì nó đơn giản như vậy, mà vẫn mô tả mọi thứ máy tính có thể làm.
Simple but complete. It allows us to figure it out, or answer, very fundamental questions.
Đơn giản nhưng đầy đủ. Nó cho phép ta tìm ra, hay trả lời, những câu hỏi rất cơ bản.
For example, and you may have thought about that in an exam or so sometimes, when you ask a question — I mean on an exam you want your answer, right?
Ví dụ, có lẽ các em đã nghĩ về điều này khi làm bài thi, khi các em đặt một câu hỏi, ý thầy là trong bài thi các em muốn có đáp án, đúng không?
But there is another question you can ask. Does this question even have an answer? Is it even possible to answer this question?
Nhưng còn một câu hỏi khác có thể đặt ra. Câu hỏi này có đáp án hay không? Có thể trả lời câu hỏi này không?
And hopefully your questions indeed in our exams, they all will be answerable. But it's interesting to realize that not all questions still have an answer.
Hy vọng các câu hỏi trong bài thi của chúng ta đều trả lời được. Nhưng thú vị là không phải câu hỏi nào cũng có đáp án.
Questions that seemingly should obviously have an answer, they do not always have an answer, and using these abstractions that Turning came up with, we can, on a very profound sort of mathematical way, we can figure it out that the question has an answer or perhaps not.
Những câu hỏi tưởng chừng hiển nhiên phải có đáp án thì không phải lúc nào cũng có, và nhờ các abstraction mà Turing đưa ra, ta có thể, theo cách toán học rất sâu sắc, xác định được câu hỏi đó có đáp án hay không.
Claude Shannon, he came up with a lot of profound theories.
Claude Shannon đưa ra rất nhiều lý thuyết sâu sắc.
Sort of a side thing that he did was he came up with the theories that said, well, if you have switches — remember, they were not transistors when he invented that, but now there are transistors.
Một việc phụ ông làm là đưa ra lý thuyết rằng, nếu có các công tắc, nhớ là khi ông phát minh ra thì chưa có transistor, còn bây giờ thì có. Nếu có các công tắc, thì ta có thể tính toán bằng chúng.
If you have switches, then you can do computation with them. And his master's thesis showed that, out of just switches — totally revolutionary at the time — you can make an atom.
Và luận văn thạc sĩ của ông cho thấy, chỉ từ các công tắc, vào thời đó hoàn toàn mang tính cách mạng, ta có thể tạo ra một nguyên tử. [KHÔNG NGHE RÕ] lúc này, nhưng ông đã chứng minh điều đó.
[INAUDIBLE] this time, but he showed that. And he showed, also, other very important things.
Ông cũng chỉ ra những điều rất quan trọng khác.
For example, you want your smartphone to communicate faster and faster and faster to download these websites almost instantaneously. Well, why is it not instantaneous?
Ví dụ, các em muốn điện thoại thông minh truyền thông nhanh hơn, nhanh hơn nữa để tải các trang web gần như tức thì. để tải các trang web gần như tức thì. Vậy tại sao nó không tức thời?
Why don't you just make it infinitely fast? Well, there must be reasons.
Sao không làm cho nó nhanh vô hạn? Chắc chắn phải có lý do.
And in fact, there are very fundamental reasons why we can't make things infinitely fast, and even more profound, there are exact explanations how fast we can make a communication.
Thật ra, có những lý do rất căn bản khiến ta không thể làm mọi thứ nhanh vô hạn, và còn sâu sắc hơn nữa, có những lời giải thích chính xác về việc ta có thể truyền thông nhanh đến mức nào.
So Claude Shannon came up with a number of theories that allow us to answer questions like that.
Claude Shannon đã đưa ra một số lý thuyết cho phép ta trả lời những câu hỏi như vậy.
If you have these and these constraints and parameters, then you can communicate at this rate at most.
Nếu có những ràng buộc và tham số này, thì bạn chỉ có thể truyền thông với tốc độ tối đa này.
So how does this relate to 16A and ultimately 16B? Well, this is very general, and I guess that's the point.
Vậy điều này liên quan thế nào đến 16A và cuối cùng là 16B? Nó rất tổng quát, và tôi nghĩ đó chính là điểm mấu chốt.
Here's a very generic picture of what these courses are.
Đây là bức tranh rất chung về các môn học này.
In 16A we will learn how to use technology to sense the environment, and then how to act on the data that comes out of these sensors and think about them using computer algorithms.
Trong 16A, ta sẽ học cách dùng công nghệ để cảm nhận môi trường, rồi cách xử lý dữ liệu thu được từ các cảm biến này và suy luận về chúng bằng các thuật toán máy tính.
16B then adds to that a margin of actuation. Now that we've thought about it, we want to do something with it.
16B bổ sung thêm phần tác động (actuation). Sau khi đã suy nghĩ xong, ta muốn làm gì đó với nó.
A good example for this would be driverless car. Hopefully it senses something. Oh, there is a pedestrian. I better don't move.
Một ví dụ hay là xe tự lái. Hy vọng nó cảm nhận được điều gì đó. À, có người đi bộ. Tốt nhất là đừng di chuyển.
Or, there is a turn. I better go left.
Hoặc, có một khúc cua. Tốt nhất là rẽ trái.
It processes with a big computer, more than a trillion transistors probably, that processes all this data that comes from cameras like that you will be the building in the lab here and other sensors also.
Nó xử lý bằng một máy tính lớn, có lẽ hơn một nghìn tỷ transistor, xử lý toàn bộ dữ liệu đến từ các camera như loại bạn sẽ xây dựng trong lab ở đây, và cả các cảm biến khác.
It uses algorithms like, for example, these learning algorithms that you will be learning about in this course. And then, of course, it uses actuators — engines, steering wheel, and so on.
Nó dùng các thuật toán, ví dụ như các thuật toán học mà bạn sẽ được học trong môn này. Và tất nhiên, nó dùng các bộ tác động động cơ, vô lăng, v.v.
Another thing that you may recognize from this slide is that this is not just about the sentencing and hardware and the engineering part.
Một điều khác bạn có thể nhận ra từ slide này là nó không chỉ về cảm biến, phần cứng và phần kỹ thuật.
It's just as much about algorithms and computer and computer algorithms and computer programs.
Nó cũng quan trọng không kém về thuật toán và các thuật toán, chương trình máy tính.
So in this course, we kind of will balance back and forth between hardware — physical things — and more and more abstract things, algorithms and computer programs, because we need the combination of these two in order to make all the things that we want to construct.
Vì vậy trong môn này, ta sẽ cân bằng qua lại giữa phần cứng, những thứ vật lý, và những thứ ngày càng trừu tượng, như thuật toán và chương trình máy tính, vì ta cần kết hợp cả hai để tạo ra mọi thứ mình muốn xây dựng.
Okay. So here are a few examples that you will see throughout the course and also in the laboratories. You will build an imager. How does your smartphone take a picture, right?
Được rồi. Sau đây là vài ví dụ mà bạn sẽ thấy xuyên suốt môn học và cả trong các bài thí nghiệm (lab). Bạn sẽ xây dựng một thiết bị chụp ảnh. Điện thoại của bạn chụp ảnh như thế nào?
You press the button, yeah, but what's actually going on there? So you'll build one.
Bạn nhấn nút, đúng, nhưng thực sự bên trong chuyện gì xảy ra? Vậy bạn sẽ tự xây một cái.
And there will be devices inside that do this as well as physics, and then afterwards there will be processing matrices, linear equations, and so on that think about what came out of these sensors and render an image, like EE16A.
Sẽ có các linh kiện bên trong làm việc này, cùng với vật lý, và sau đó sẽ có xử lý bằng ma trận, phương trình tuyến tính, v.v. để suy luận từ dữ liệu của các cảm biến và dựng nên một bức ảnh, như EE16A.
That should be EECS16A. We have to change the slide. Touchscreens.
Phải là EECS 16A. Chúng tôi phải sửa slide. Màn hình cảm ứng.
How come, when you just slide your fingers on the screen of your smartphone, how come that smartphone figures that out? Well, same story.
Tại sao khi bạn trượt ngón tay trên màn hình điện thoại, điện thoại lại hiểu được điều đó? Cũng là câu chuyện tương tự.
There are circuits that detect your finger using crazy stuff like capacitance. We'll talk about that. And then there is processing elements that figure out what these signals are doing and what your intention is.
Có những mạch phát hiện ngón tay bạn bằng thứ rất thú vị như điện dung. Chúng ta sẽ nói về điều đó. Và có các thành phần xử lý để tìm ra các tín hiệu này đang cho biết điều gì và bạn định làm gì.
Positioning. You heard about the GPS. Well, GPS uses electromagnetic waves in order to figure it out how far we are from a few satellites. Electromagnetic waves are kind of hard to see.
Định vị. Bạn đã nghe về GPS. GPS dùng sóng điện từ để xác định ta cách một vài vệ tinh bao xa. Sóng điện từ khá khó nhìn thấy.
Can you see them? Actually, you do. You're seeing me. I'm just an electromagnetic wave, and so are you.
Bạn có thấy chúng không? Thật ra là có. Bạn đang nhìn thấy tôi. Tôi chỉ là một sóng điện từ, và bạn cũng vậy.
But anyways, we are going to use sound in that laboratory in order to localize everything. So just one last thing.
Nhưng dù sao, trong lab đó ta sẽ dùng âm thanh để định vị mọi thứ. Còn một điều cuối cùng.
So I told you that I love engineering. I like to work sort of on this fringe between physical and algorithms, and this thing here is a gyroscope.
Tôi đã nói là tôi yêu kỹ thuật. Tôi thích làm việc ở ranh giới giữa vật lý và thuật toán, và thứ này đây là một con quay hồi chuyển (gyroscope).
Under that can is a thing that wiggles just a little bit. In fact, it wiggles sub-nanometers — very little. And then you use fancy electronic circuits to detect that wiggling.
Dưới cái lon đó có một bộ phận rung rất nhẹ. Thực tế nó rung ở mức dưới nanômét rất nhỏ. Rồi bạn dùng các mạch điện tử phức tạp để phát hiện sự rung đó.
And you can't see this, but on the other side of this — it's called a printed circuit board — there is a chip, an [INAUDIBLE] process or a CPU, a little computer.
Bạn không thấy được, nhưng ở mặt bên kia của bảng mạch in này có một chip, một bộ xử lý [KHÔNG NGHE RÕ] hay CPU, một máy tính nhỏ.
And 10,000 lines of code, and it figures out what these wiggles mean in terms of motion so we can detect how this thing is moving around using these algorithms.
Cùng 10.000 dòng mã, nó tìm ra những rung động này nghĩa là chuyển động như thế nào để ta phát hiện vật này đang di chuyển ra sao nhờ các thuật toán này.
So you will learn in this class how to do this, how to take something physical, extract its signals from the environment, and then how to use an algorithm to get interesting data on cellphones and stuff.
Trong môn này bạn sẽ học cách làm điều đó, cách lấy một thứ vật lý, trích tín hiệu của nó từ môi trường, rồi cách dùng thuật toán để có dữ liệu thú vị trên điện thoại và nhiều thứ khác.
Thank you.
Cảm ơn các bạn.
GIREEJA RANADE
Okay. So this gives you a little bit of an overview of what you're going to see throughout this class, and now it's time to get started with module one.
Được rồi. Vậy là các bạn đã có cái nhìn tổng quan về những gì sẽ gặp trong môn này, và giờ là lúc bắt đầu module một.
And module one is going to be talking about imaging.
Module một sẽ nói về chụp ảnh (imaging).
So this is a picture from 1632. It's actually a painting by Rembrandt, one of his most famous.
Đây là một bức tranh từ năm 1632. Thực ra là một bức họa của Rembrandt, một trong những bức nổi tiếng nhất của ông.
And what they're showing is, it's a group of doctors and medical students trying to examine the inside of this man's arm.
Bức tranh vẽ một nhóm bác sĩ và sinh viên y khoa đang khám bên trong cánh tay của người đàn ông này.
They're trying to learn anatomy.
Họ đang học giải phẫu.
And if you wanted to image, or if you wanted to see, what was going on inside someone's body — if you went to the doctor and you said, well, my stomach hurts, what would the doctor do?
Và nếu bạn muốn chụp ảnh, hay muốn nhìn thấy, bên trong cơ thể một người — nếu bạn đến gặp bác sĩ và nói, bác sĩ ơi, tôi bị đau bụng, bác sĩ sẽ làm gì?
The doctor would say, well, let me make a hole in you and see what I can see. Maybe I'll find what's wrong.
Bác sĩ sẽ nói, để tôi rạch một lỗ trên người bạn xem tôi thấy được gì. Biết đâu tôi tìm ra chỗ không ổn.
I don't think that modern medicine would have gotten to where it is if we had continued this kind of process.
Tôi không nghĩ y học hiện đại có thể đạt đến trình độ như bây giờ nếu chúng ta cứ tiếp tục cách làm như vậy.
And what we can do today, of course, is something that is much more powerful.
Và tất nhiên, ngày nay chúng ta có thể làm một điều mạnh mẽ hơn nhiều.
If a doctor wanted to see what was happening inside of you, under very rare circumstances would they actually try and physically cut you open.
Nếu bác sĩ muốn xem bên trong cơ thể bạn đang xảy ra chuyện gì, chỉ trong những trường hợp rất hiếm họ mới thực sự mổ bạn ra.
The first pass would probably be something like either an MRI, magnetic resonance imaging, or taking an X-ray or a CT scan or trying an ultrasound.
Bước đầu tiên có lẽ sẽ là chụp MRI, tức chụp cộng hưởng từ, hoặc chụp X-quang hay chụp CT hoặc siêu âm.
These are the new ways of seeing inside our bodies without doing any kind of surgery.
Đây là những cách mới để nhìn vào bên trong cơ thể mà không cần phẫu thuật.
And these are all examples of what we call tomography, and that's going to be basically the foundation of the first module.
Tất cả đều là ví dụ của cái ta gọi là chụp cắt lớp (tomography), và đó về cơ bản sẽ là nền tảng của module đầu tiên.
Every single one of these technologies has been built off of the fundamental principles of linear algebra and circuit design that we're going to be learning in this class.
Mỗi một công nghệ này đều được xây dựng trên các nguyên lý cơ bản của đại số tuyến tính và thiết kế mạch mà chúng ta sẽ học trong lớp này.
None of the medical technology would have been possible without it.
Không có nó thì không công nghệ y tế nào có thể ra đời.
So the very first lab, which is the imaging lab, is going to try and give you a sense of, well, how does tomography actually work?
Vì vậy bài thí nghiệm (lab) đầu tiên, tức lab về chụp ảnh, sẽ giúp bạn hình dung được chụp cắt lớp thực sự hoạt động thế nào.
So let's really think about this. Let's assume that it is not desirable to slice open my brain.
Vậy hãy cùng suy nghĩ về điều này. Giả sử ta không muốn mổ xẻ não của tôi.
Maybe by the end of the semester, some of you will want to. I hope not, but you don't hate me yet. So how would tomography actually try to see inside what's going on?
Có thể đến cuối học kỳ, một số bạn sẽ muốn đấy. Tôi hy vọng là không, nhưng các bạn chưa ghét tôi đâu. Vậy chụp cắt lớp sẽ nhìn vào bên trong xem chuyện gì đang xảy ra bằng cách nào?
Tomography, this word, actually comes — that means literally slice and write. Basically to see inside, try to understand inside what's going on.
Từ tomography này thực ra xuất phát từ — nghĩa đen là cắt lát và ghi lại. Về cơ bản là nhìn vào bên trong, cố hiểu bên trong đang có gì.
And so how does tomography work? Well, let's say I wanted to take a picture of someone's brain. What tomography does actually is it takes measurements.
Vậy chụp cắt lớp hoạt động thế nào? Giả sử tôi muốn chụp ảnh não của ai đó. Chụp cắt lớp thực chất là thực hiện các phép đo.
It uses some kind of energy source and tries to understand how this energy source interacts with whatever it is trying to image.
Nó dùng một nguồn năng lượng nào đó và tìm hiểu nguồn năng lượng này tương tác thế nào với vật mà ta muốn chụp.
So let's say, if you were trying to image your brain and you were trying to use an energy source.
Giả sử bạn muốn chụp ảnh não của mình và bạn dùng một nguồn năng lượng.
For example, if you were trying to use a magnetic field, this magnetic field interacts differently with different tissues and different parts of your body. So it interacts differently with the blood.
Ví dụ, nếu bạn dùng từ trường, từ trường này tương tác khác nhau với các mô và các bộ phận khác nhau của cơ thể. Nó tương tác khác với máu.
It interacts differently with the tissue, with the muscle, with the bone, and these differential interactions are what can be used to actually image what's going on.
Nó tương tác khác với mô, với cơ, với xương, và chính những khác biệt này được dùng để tạo ảnh những gì đang diễn ra bên trong.
So what you would do is you can take basically this energy source. In our class, we're going to be modeling this with light. I'm going to take this energy source and do a measurement.
Vậy bạn có thể lấy nguồn năng lượng này . Trong lớp này, chúng ta sẽ mô hình hóa nó bằng ánh sáng. Tôi sẽ lấy nguồn năng lượng này và thực hiện một phép đo.
I'm going to basically shine it along the line, along whatever I want to measure, and take a measurement. These measurements are also called projections, and we'll talk more about this in this class.
Về cơ bản tôi sẽ chiếu nó dọc theo một đường, dọc theo chỗ tôi muốn đo, và lấy một kết quả đo. Những phép đo này còn gọi là các phép chiếu (projection), và chúng ta sẽ nói thêm về chúng trong lớp.
So one measurement typically isn't going to be enough.
Thường thì một phép đo là không đủ.
This one measurement will basically be, let's say, the sum of all of the different values along the particular line, and we'll make this more specific just in a minute.
Một phép đo này về cơ bản sẽ là, giả sử, tổng của tất cả các giá trị khác nhau dọc theo một đường nhất định, lát nữa ta sẽ nói cụ thể hơn. .
But instead of just taking one measurement, what tomography will do is it will actually take many, many measurements. It will take one, two, three, many, from many different angles.
Nhưng thay vì chỉ đo một lần, chụp cắt lớp sẽ thực hiện rất, rất nhiều phép đo. Một, hai, ba, rồi nhiều phép đo từ nhiều góc khác nhau.
These many measurements will then be combined using computation to give me the actual image that I'm trying to recover.
Sau đó, nhiều phép đo này sẽ được kết hợp bằng tính toán để cho ra bức ảnh thực sự mà ta muốn khôi phục.
The fundamental principle behind this is basically solving systems of linear equations.
Nguyên lý cơ bản đằng sau việc này là giải hệ phương trình tuyến tính.
And the way we can do this is linear algebra, and that is what the first part of this course is going to be about.
Và cách ta làm điều đó là dùng đại số tuyến tính, và đó chính là nội dung của phần đầu tiên của môn học này.
So what do each of these pixel values really represent?
Vậy mỗi giá trị pixel này thực sự biểu diễn điều gì?
When we look at this picture, when a doctor looks at this picture, she knows how to interpret the different colors here to mean different things.
Khi nhìn bức ảnh này, khi một bác sĩ nhìn bức ảnh này, cô ấy biết cách diễn giải các màu khác nhau ở đây có nghĩa là gì.
She knows that a certain shade means maybe this is bone density. Maybe this is a blood vessel. Maybe this is tissue. So on and so forth.
Cô ấy biết một sắc độ nào đó có thể có nghĩa là mật độ xương. Có thể đây là mạch máu. Có thể đây là mô. Và cứ thế.
What we are trying to recover is the different values of the different pixels. They mean something to the expert that is interpreting the image, but we're engineers.
Điều ta cần khôi phục là các giá trị khác nhau của các pixel. Chúng có ý nghĩa với chuyên gia đang diễn giải bức ảnh, còn chúng ta là kỹ sư.
We're just trying to figure out what these different pixel values are. And how can we solve and figure out every single pixel value in this image from just these measurements, or just these projections?
Chúng ta chỉ cố tìm ra các giá trị pixel này là bao nhiêu. Làm sao giải ra từng giá trị pixel trong ảnh này chỉ từ các phép đo, hay chỉ từ các phép chiếu này?
That's exactly what tomography is going to do. So this is a very high resolution image. There's lots of detail in here.
Đó chính xác là điều chụp cắt lớp làm. Đây là một bức ảnh có độ phân giải rất cao. Có rất nhiều chi tiết trong đó.
And to get a higher resolution image, we need to take more and more measurements. But we're just starting out as an introductory class in EECS, so let's start with a simpler problem.
Và để có ảnh độ phân giải cao hơn, ta cần thực hiện ngày càng nhiều phép đo. Nhưng chúng ta mới bắt đầu ở một lớp nhập môn EECS, nên hãy bắt đầu với một bài toán đơn giản hơn.
And this is a theme that we're going to see coming up in this course over and over again.
Và đây là một chủ đề sẽ xuất hiện hết lần này đến lần khác trong môn học này.
When a problem is complicated, we're going to try and simplify it so that we can understand what's going on.
Khi một bài toán phức tạp, chúng ta sẽ đơn giản hóa nó để hiểu được chuyện gì đang xảy ra.
So instead of such a high resolution image, let's try to maybe make this even more and more low resolution.
Vì vậy thay vì một ảnh độ phân giải cao như thế, hãy thử làm cho nó ngày càng có độ phân giải thấp hơn.
Let's say this picture actually only had four pixels, and there were four different pixels that we were trying to understand.
Giả sử bức ảnh này chỉ có bốn pixel, và có bốn pixel khác nhau mà chúng ta đang cố gắng tìm hiểu.
So I want to switch to the document camera to just do a little bit of a calculation.
Vậy em muốn chuyển sang máy chiếu vật thể để làm một phép tính nhỏ.
Okay. So what I want to do here is just try to think about how we can understand tomography in this very, very simple setting.
Được rồi. Điều em muốn làm ở đây là thử nghĩ xem ta hiểu chụp cắt lớp (tomography) như thế nào trong một bối cảnh rất, rất đơn giản.
Let's say I have an image, and it's represented by these four pixel values, X1, X2, X3, X4,
Giả sử em có một bức ảnh, và nó được biểu diễn bằng bốn giá trị điểm ảnh X1, X2, X3, X4,
and I want to take measurements. I want to be able to measure what's going on.
và em muốn thực hiện các phép đo. Em muốn đo được những gì đang diễn ra bên trong.
So let's say what I'm going to do is I'm going to, let's say, shine a light source through this.
Giả sử em sẽ chiếu một nguồn sáng xuyên qua nó.
And what I'm going to read out is, let's say, the amount of light that is absorbed. So I get a measurement out, B1.
Và điều em đọc ra được là, giả sử, lượng ánh sáng bị hấp thụ. Vậy em có một phép đo, B1.
And maybe what you have is different types of tissues are going to absorb different amounts of energy. So if you have more energy absorbing tissues, you will have a smaller readout.
Và có thể các loại mô khác nhau sẽ hấp thụ các lượng năng lượng khác nhau. Nếu mô hấp thụ nhiều năng lượng hơn, giá trị đọc ra sẽ nhỏ hơn.
If you have higher energy absorbing tissues, you'll have — if you have high energy absorption, you'll have a smaller readout. If you have low energy absorption, you'll have a high readout.
Nếu mô hấp thụ năng lượng cao hơn, thì... nếu hấp thụ năng lượng cao, giá trị đọc ra sẽ nhỏ. Nếu hấp thụ năng lượng thấp, giá trị đọc ra sẽ cao.
So we're making a simple abstraction model.
Vậy ta đang dựng một mô hình trừu tượng đơn giản.
Let's say we can actually write this as a simple model, and whenever we put this slide source through, or this energy source through, we get the following measurement out.
Giả sử ta có thể viết nó thành một mô hình đơn giản, và mỗi khi ta chiếu nguồn sáng này, hay nguồn năng lượng này xuyên qua, ta nhận được phép đo sau.
We get X1 + X2 is equal to B1, where X1 and X2 are pixel values.
Ta có X1 + X2 = B1, trong đó X1 và X2 là các giá trị điểm ảnh.
Do you think that we can figure out all of the pixel values from this one measurement? Probably not, right? So let's take a second measurement.
Các em nghĩ ta có thể tìm ra tất cả giá trị điểm ảnh chỉ từ một phép đo này không? Chắc là không, đúng không? Vậy ta thực hiện phép đo thứ hai.
Let's say I take a second measurement, and here I get B2, and I get X3 plus X4 is equal to B2.
Giả sử em đo lần hai, và được B2, và X3 + X4 = B2.
I'm going to call this equation one and equation two.
Em gọi đây là phương trình một và phương trình hai.
And maybe I take another measurement here and I get equation three, which is X1 plus X3 is equal to B3.
Và có thể em đo thêm một lần nữa ở đây và được phương trình ba: X1 + X3 = B3.
And I take another measurement and I get four. X2 plus X4 is equal to B4.
Em đo thêm một lần nữa và được phương trình bốn. X2 + X4 = B4.
So this is the setup. If you go and read the notes on the course website, what you will see is that we're discussing a similar example in the context of a grocery store.
Đây là bài toán của ta. Nếu các em vào đọc ghi chú trên trang web của môn học, các em sẽ thấy ta bàn một ví dụ tương tự trong bối cảnh một cửa hàng tạp hóa.
And there the example is, let's say you are in a grocery store and you have a giant stack of juice bottles or drink bottles, and you know how you have these crates that can be stacked on top of each other.
Ví dụ là, giả sử các em ở trong một cửa hàng tạp hóa và có một chồng khổng lồ chai nước ép hay chai đồ uống, các em biết loại thùng có thể xếp chồng lên nhau đấy.
And what you're trying to do is you're trying to figure out, what are all of the juice bottles in all of the little entries?
Và điều các em muốn làm là tìm xem mỗi chai nước trong tất cả các ô nhỏ là loại gì.
But you don't want to take all the stack apart to recount everything, and so you want to use a technique like tomography.
Nhưng các em không muốn dỡ cả chồng ra để đếm lại, nên các em muốn dùng một kỹ thuật như chụp cắt lớp.
And let's say you knew that the bottles were either orange juice or just water or milk.
Giả sử các em biết các chai là nước cam, nước lọc hoặc sữa.
So you have the giant stack, and what you do is, let's say you shine a laser beam through and you measure the light that remains on the other side.
Vậy có một chồng khổng lồ, và các em chiếu một tia laser xuyên qua rồi đo ánh sáng còn lại ở phía bên kia.
So what you have is you can see how much of the light is absorbed by the different bottles.
Như vậy các em có thể thấy bao nhiêu ánh sáng bị các chai khác nhau hấp thụ.
And let's say you knew that a milk bottle absorbs a certain amount of light and the juice bottle absorbs a certain amount of light and the water absorbs another amount of light.
Giả sử các em biết chai sữa hấp thụ một lượng ánh sáng nhất định, chai nước ép hấp thụ một lượng nhất định, còn nước lọc hấp thụ một lượng khác.
What you can think about is writing this as a system of linear equations to then solve back and measure and figure out what every single one of the little bottles in that giant crate are.
Các em có thể nghĩ đến việc viết điều này thành một hệ phương trình tuyến tính rồi giải ngược từ các phép đo để tìm ra từng chai nhỏ trong thùng khổng lồ đó là loại gì.
And the number of measurements that you would take would be what? If you had four unknowns, how many measurements would you be expecting to take? Probably four, right?
Và số phép đo các em cần thực hiện sẽ là bao nhiêu? Nếu có bốn ẩn số, các em mong đợi cần bao nhiêu phép đo? Chắc là bốn, đúng không?
So in this little example that we have, here we're thinking of it as an image.
Vậy trong ví dụ nhỏ này, ta đang xem nó như một bức ảnh.
You can go read the notes, which I highly recommend you do, where you can talk about it and where you can see it discussed in the context of this grocery store.
Các em hãy đọc ghi chú, em rất khuyến khích điều đó, ở đó các em có thể xem nó được bàn trong bối cảnh cửa hàng tạp hóa này.
So here's a system with four equations and four unknowns. Many of you might have seen a similar system of equations before coming here.
Đây là một hệ có bốn phương trình và bốn ẩn số. Nhiều bạn có thể đã thấy một hệ phương trình tương tự trước khi đến đây.
So why don't you just take a minute and see if you can solve this.
Vậy các em hãy dành một phút xem có giải được nó không.
And I encourage you right now to turn to your right turn, turn to your left, and introduce yourselves to the person next to you.
Và em khuyến khích các em ngay bây giờ quay sang phải, quay sang trái, và làm quen với người ngồi cạnh.
That way you're going to know at least one person in this class. Make sure that no one is left out. Look to your left and to your right and be inclusive.
Như vậy các em sẽ biết ít nhất một người trong lớp này. Hãy đảm bảo không ai bị bỏ lại. Nhìn sang trái và phải, và hãy hòa đồng.
Remember, we want to try and build a community.
Nhớ rằng, ta muốn xây dựng một cộng đồng.
And as you're talking about yourselves, tell people your name, but then also think about how you would solve this problem here.
Và khi các em giới thiệu về mình, hãy nói tên, nhưng cũng nghĩ xem các em sẽ giải bài này thế nào.
So how many people are ready to start discussing this?
Có bao nhiêu bạn đã sẵn sàng thảo luận?
How many people have some idea of what this system with four unknowns and four equations is like? Is there something funky about it as you tried to solve it?
Có bao nhiêu bạn đã hình dung được hệ bốn ẩn số bốn phương trình này như thế nào? Khi giải, các em có thấy điều gì kỳ lạ không?
What happens if you take equation one and equation two and add them together? And compare that with what happens when you take equation three and equation four and add them together.
Điều gì xảy ra nếu lấy phương trình một và phương trình hai cộng lại với nhau? Rồi so sánh với kết quả khi lấy phương trình ba và phương trình bốn cộng lại.
What do you get?
Các em nhận được gì?
B1 plus B2 should be equal to B3 plus B4. What's on the left? What is equation one plus equation two? Equation one says X1 plus X2, and then we have X3 plus X4.
B1 + B2 phải bằng B3 + B4. Vế trái là gì? Phương trình một cộng phương trình hai là gì? Phương trình một cho X1 + X2, rồi ta có X3 + X4.
So we have one side X1 plus X2 plus X3 plus X4 is something, and you also have X1 plus X2 plus X3 plus x4 is something else, right?
Vậy một vế là X1 + X2 + X3 + X4 bằng một giá trị nào đó, và ta cũng có X1 + X2 + X3 + X4 bằng một giá trị khác, đúng không?
So what you have is you have four measurements, but are these four independent measurements? Can you recover the four pixels using this?
Vậy ta có bốn phép đo, nhưng bốn phép đo này có độc lập không? Ta có thể khôi phục bốn điểm ảnh từ đây không?
Not quite, right?
Không hẳn, đúng không?
Those of you who tried to work it out, I encourage each of you to bring a piece of paper and a notebook to class, even if you're not taking notes, because we will have these little exercises to do and it usually helps to have something that you can scribble on or doodle on to try and work things out on your own.
Những bạn đã thử giải, em khuyến khích mỗi bạn mang theo giấy và vở đến lớp, kể cả khi các em không ghi chép, vì chúng ta sẽ có những bài tập nhỏ để làm, và thường sẽ có ích nếu có thứ gì đó để các em viết nháp hay vẽ nguệch ngoạc, thử tự giải mọi thứ ra.
But it turns out that we started out thinking, four equations, four unknowns, we're going to be able to solve this. But it turns out that this isn't actually going to work, right?
Nhưng hóa ra, lúc đầu chúng ta nghĩ bốn phương trình, bốn ẩn số thì sẽ giải được. Nhưng thực ra cách này sẽ không hiệu quả, đúng không?
So, okay. Now you're the engineer in the room, and you're faced with a system. You had an idea. You tried it.
Vậy, được rồi. Bây giờ các em là kỹ sư trong phòng, và đang đối mặt với một hệ thống. Các em có một ý tưởng. Các em đã thử.
We tried it, but it didn't work. What do we do? We're at the design part of the system, the design part of the problem. How do we get around the roadblock?
Chúng ta đã thử, nhưng nó không hiệu quả. Ta làm gì đây? Chúng ta đang ở giai đoạn thiết kế của hệ thống, giai đoạn thiết kế của bài toán. Làm sao vượt qua rào cản này?
Take better measurements, right? Take better measurements. So take a minute.
Đo tốt hơn, đúng không? Đo tốt hơn. Các em dành một phút.
Talk to the person on the other side of you, who you have not yet talked to, and try and figure out what other measurement would you like to take.
Hãy trao đổi với bạn ở phía bên kia, người mà các em chưa nói chuyện, và thử tìm ra các em muốn thực hiện phép đo nào khác.
Make sure you don't leave people out.
Nhớ đừng bỏ rơi ai.
Let's see if we can communicate without words. Can you show me, making hand motions, what you would want to do?
Thử xem ta có giao tiếp được mà không cần lời không. Các em có thể ra hiệu bằng tay cho tôi xem các em muốn làm gì không?
Right. Exactly. People are saying, go diagonal. Go diagonal.
Đúng rồi. Chính xác. Mọi người nói là đo theo đường chéo. Đo theo đường chéo.
So what if I gave you this? X1 plus X4, let's say, is equal to B5.
Vậy nếu tôi cho các em phương trình này thì sao? Giả sử X1 cộng X4 bằng B5.
So now you have equation five, X1 plus X4 is equal to B5. Now can you solve this? Yes.
Giờ các em có phương trình năm: X1 cộng X4 bằng B5. Bây giờ giải được chưa? Được.
How do you know that you can solve it?
Làm sao các em biết là giải được?
Maybe you can show and you can prove and you can solve it out by hand.
Có thể các em chỉ ra, chứng minh và giải bằng tay.
And in this case, where we have four variables and, thankfully, 10 fingers, we can actually solve this, because we can count the number of variables on our hands.
Và trong trường hợp này, có bốn biến và may mắn là có 10 ngón tay, ta thực sự giải được, vì ta có thể đếm số biến bằng tay.
But if you were to go to a doctor and the doctor was going to try and image your brain using only four pixels, would you go to the doctor again?
Nhưng nếu các em đến gặp bác sĩ và bác sĩ định chụp ảnh não của các em chỉ bằng bốn pixel, các em có quay lại gặp bác sĩ đó nữa không?
So when you're actually trying to solve systems of linear equations in the real world, you're probably not going to end up in a situation where you have four variables.
Khi thực sự giải các hệ phương trình tuyến tính trong thực tế, các em hầu như sẽ không gặp tình huống chỉ có bốn biến.
Quite likely, you're going to have hundreds or thousands or millions of variables. Probably that is not a calculation you would want to be doing out by hand.
Rất có thể sẽ có hàng trăm, hàng nghìn hoặc hàng triệu biến. Đó chắc chắn không phải phép tính mà các em muốn làm bằng tay.
Even if we had 1,000 people in the room together, the probability of getting that correct would be really, really low.
Dù có 1.000 người cùng làm trong phòng này, xác suất làm đúng cũng sẽ rất, rất thấp.
It turns out that actually there were a lot of important calculations that used to be done entirely by hand. How many people in the room have seen the movie, Hidden Figures?
Thực ra đã có rất nhiều phép tính quan trọng từng được làm hoàn toàn bằng tay. Có bao nhiêu bạn trong phòng đã xem phim Hidden Figures?
I think it's a great movie, one of my favorite, all time movies. And you see that there were these large groups of people, mostly women, that did out large calculations by hand.
Tôi nghĩ đó là một bộ phim tuyệt vời, một trong những phim tôi thích nhất từ trước đến nay. Trong phim có những nhóm lớn người, chủ yếu là phụ nữ, đã tính các phép tính lớn bằng tay.
This was way before computers, and these led to some of the key scientific advances that have brought us to where we are today.
Đó là thời trước khi có máy tính, và những việc này đã dẫn đến một số tiến bộ khoa học then chốt đưa chúng ta đến ngày hôm nay.
But today, in this day and age, we're past where we want to do calculations out by hand.
Nhưng ngày nay, trong thời đại này, chúng ta đã qua giai đoạn muốn tính toán bằng tay.
We now have computers, and what we want to be able to do is systematically use our compute power to go beyond four equations and four unknowns to millions of equations and millions of unknowns.
Giờ ta có máy tính, và điều ta muốn là dùng sức mạnh tính toán một cách có hệ thống để vượt xa bốn phương trình bốn ẩn số lên hàng triệu phương trình và hàng triệu ẩn số.
You don't want to have to solve out 90% of your equations only to realize that, oh, I didn't take the right measurements.
Các em không muốn giải xong 90% số phương trình rồi mới nhận ra là mình đã không đo đúng.
How can I just enter a stack of equations into my computer and have my computer tell me, hey, these are great measurements. You can solve them. Or, oh my god, you screwed up.
Làm sao chỉ cần nhập một loạt phương trình vào máy tính và để máy báo cho ta: này, các phép đo này rất tốt. Giải được đấy. Hoặc: trời ơi, em làm sai rồi.
You need to take better measurements because these are redundant or these are not solvable. This is exactly what we're going to try and learn in this class.
Em cần đo tốt hơn vì các phép đo này thừa hoặc không giải được. Đây chính xác là điều chúng ta sẽ học trong môn này.
How can we systematically solve large systems of linear equations?
Làm sao giải một cách có hệ thống các hệ lớn phương trình tuyến tính?
How can we design measurements so that we know from the get go, before trying to solve, that our system is actually going to be solvable?
Làm sao thiết kế các phép đo để ngay từ đầu, trước khi giải, ta biết hệ thực sự sẽ giải được?
We want to avoid the problem that we just ran into. We want to know that our measurements are going to be successful.
Ta muốn tránh vấn đề vừa gặp phải. Ta muốn biết các phép đo của mình sẽ thành công.
And the principle way to do this is going to be through building up a lot of linear algebra, and that is the course of this class.
Và cách chính để làm điều này là xây dựng nhiều kiến thức đại số tuyến tính, và đó chính là nội dung của môn này.
So the key algorithm that I will be talking about next class and over the next few lectures will be basically this idea of Gaussian elimination that will help us know when, given a system of linear equations, how can we systematically know whether we have one solution, whether sometimes we might have
Thuật toán then chốt mà tôi sẽ nói trong buổi sau và vài buổi tới về cơ bản là ý tưởng phép khử Gauss, giúp ta biết, với một hệ phương trình tuyến tính, làm sao biết một cách có hệ thống là hệ có một nghiệm, hay đôi khi có
infinitely many solutions, or whether we have no solutions at all.
vô số nghiệm, hay không có nghiệm nào.
And we know how to do this by hand, but we are going to think about, how can we think about this geometrically, and how can we do this while harnessing the power of compute and while harnessing the fact that Moore's law has actually given us these incredibly powerful computers?
Ta biết làm việc này bằng tay, nhưng ta sẽ nghĩ xem làm sao nhìn nó theo hình học, và làm sao làm việc này nhờ sức mạnh tính toán và nhờ định luật Moore đã mang lại cho ta những chiếc máy tính cực kỳ mạnh?
So the first module, we'll be talking basically about this, and we'll be talking about an imaging lab. If I can just have this show up again.
Vậy ở mô-đun đầu tiên, chúng ta sẽ nói về điều này, và về một bài thí nghiệm (lab) về tạo ảnh. Cho tôi hiển thị lại cái này nhé.
Yay.
Hoan hô.
So the first imaging lab is basically going to be talking about tomography, and we're going to be talking about tomography using a simple light source, and we're going to be talking about a single pixel camera.
Bài lab tạo ảnh đầu tiên về cơ bản sẽ nói về chụp cắt lớp (tomography), và chúng ta sẽ nói về chụp cắt lớp bằng một nguồn sáng đơn giản, và chúng ta sẽ nói về camera đơn điểm ảnh (single pixel camera).
So we're not going to be using a multi pixel, fancy MRI machine, but how can you do this with just one sensor? So we'll learn more about this basically in the next class.
Nên ta sẽ không dùng máy MRI nhiều điểm ảnh, hiện đại, mà làm thế nào để thực hiện việc này chỉ với một cảm biến? Chúng ta sẽ tìm hiểu kỹ hơn về điều này trong buổi học tới.
I'll talk a little bit more about the first lab, and then we'll start going into details about how we're going to solve these systems of linear equations and how we can do this systematically.
Tôi sẽ nói thêm một chút về bài thí nghiệm (lab) đầu tiên, rồi chúng ta sẽ bắt đầu đi vào chi tiết về cách giải các hệ phương trình tuyến tính này và cách làm điều đó một cách có hệ thống.
That's it for today. Please make sure that you go and check out homework zero, and I will see you here next week.
Hôm nay đến đây thôi. Nhớ vào xem bài tập về nhà số không nhé, và hẹn gặp lại các bạn ở đây vào tuần sau.
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.