Viết bởi: Techub News tổng hợp
Dẫn nhập
Tháng 5 năm 2025, Aravind Srinivas (Aravind Srinivas), nhà sáng lập kiêm CEO của Perplexity AI, kỳ lân AI tìm kiếm với định giá hơn 10 tỷ USD, đã trở lại trường đại học cũ của mình là Đại học California, Berkeley, để có một cuộc trò chuyện sâu sắc với người thầy cũ của mình, Giáo sư Pieter Abbeel, một chuyên gia nổi tiếng trong lĩnh vực học máy robot. Cuộc trò chuyện này không chỉ là sự đoàn tụ giữa thầy và trò, mà còn là một cái nhìn sâu sắc vào tiền tuyến của ngành công nghiệp AI.
Aravind Srinivas (Aravind Srinivas) đã nổi tiếng với những nghiên cứu có năng suất cao và tầm ảnh hưởng lớn trong thời gian học tại Berkeley, và sau khi tốt nghiệp, ông đã từng thực tập tại các tổ chức hàng đầu như DeepMind và OpenAI. Ông đồng sáng lập Perplexity AI vào năm 2022, với mục tiêu tạo ra một "công cụ tìm kiếm câu trả lời" dựa trên nguồn thông tin mạng thời gian thực và có trích dẫn, thay vì một công cụ tìm kiếm truyền thống hoặc chatbot. Trong bối cảnh ChatGPT tạo ra làn sóng AI tạo sinh, Perplexity đã nhanh chóng nổi lên với định vị sản phẩm độc đáo của mình, trở thành một trong những ngôi sao mới nổi đáng chú ý nhất trong lĩnh vực AI. Trong cuộc trò chuyện này, ông không chỉ nhìn lại con đường khởi nghiệp và phát triển, mà còn chia sẻ những dự đoán tiên phong về dòng chảy giá trị của AI, tác động của các mô hình mã nguồn mở (như DeepSeek) và hình thức tương tác giữa con người và máy móc trong tương lai.
Tóm tắt
- Triết lý cốt lõi của Perplexity là "công cụ tìm kiếm câu trả lời" và "đối tác nghiên cứu", thiết kế sản phẩm của họ chịu ảnh hưởng sâu sắc từ nguyên tắc nghiên cứu học thuật cần trích dẫn nguồn, nhằm cung cấp các câu trả lời chất lượng cao với nguồn thông tin thời gian thực và trích dẫn.
- Giá trị của AI sẽ chủ yếu tích lũy ở lớp ứng dụng (như Perplexity) và lớp chip (như NVIDIA), trong khi lớp mô hình cơ bản ở giữa sẽ bị giảm lợi nhuận do mã nguồn mở và cạnh tranh.
- Mô hình suy luận mã nguồn mở DeepSeek do nhóm Trung Quốc phát triển là một điểm ngoặt quan trọng trong ngành, chứng minh khả năng đào tạo các mô hình hiệu suất cao với chi phí thấp hơn và buộc các nhà cung cấp mô hình đóng phải tăng tốc đổi mới và giảm giá.
- Chiến lược tương lai của Perplexity là vượt qua "một ứng dụng AI khác", bằng cách xây dựng một trình duyệt gốc AI có tên "Comet", cũng như tích hợp sâu vào hệ điều hành/phần cứng, để trợ lý AI có mặt ở khắp mọi nơi.
- Trong thời đại AI, khả năng giao tiếp rõ ràng, chính xác (dù là với con người hay AI) sẽ trở thành một kỹ năng cốt lõi quan trọng.
Từ nghiên cứu học thuật đến công cụ tìm kiếm câu trả lời: Sự ra đời của Perplexity
Pieter Abbeel (Pieter Abbeel) đã hài hước đề cập rằng Aravind Srinivas (Aravind Srinivas) đã đạt được những thành tựu vượt xa mình. Khi được hỏi Perplexity thực sự là gì, Srinivas đã đưa ra một định nghĩa bắt nguồn từ nền tảng học thuật của mình:Một công cụ tìm kiếm câu trả lời, một trợ lý nghiên cứu, giống như một đối tác nghiên cứu.
Ông giải thích rằng nguyên tắc thiết kế cốt lõi của Perplexity bắt nguồn trực tiếp từ kinh nghiệm của ông khi học tiến sĩ tại Berkeley. "Lần đầu viết luận văn, bạn sẽ học được rằng không thể viết bất cứ điều gì một cách tùy tiện. Thực tế, bạn phải có một số nguồn tham khảo sau mỗi câu, tốt nhất là những nguồn đã được đánh giá ngang hàng và đáng tin cậy." Họ đã đưa nguyên tắc này vào chatbot AI. Khác với những chatbot tạo ra phản hồi một cách tùy tiện, Perplexity sẽ chủ động chọn các nguồn tham khảo liên quan từ mạng, tổng hợp và cung cấp chú thích. Người dùng có thể trò chuyện với "công cụ" như vậy.
Theo thời gian, Perplexity đã phát triển thành một trải nghiệm hỗ trợ hơn. Nó không chỉ có thể truy cập thông tin mạng, mà còn có thể viết mã, tạo biểu đồ, trích xuất dữ liệu từ các nhà cung cấp dữ liệu khác nhau (như thể thao, tài chính) và đóng gói tất cả các chức năng này vào một trải nghiệm trò chuyện hỗ trợ. Hiện tại, công ty đang chuẩn bị bước tiếp theo:Xây dựng một trình duyệt có tên "Comet", dự kiến sẽ ra mắt trong ba đến bốn tuần tới. Người dùng sẽ có thể hoàn thành các nhiệm vụ hàng ngày trực tiếp trong trình duyệt với sự hỗ trợ của AI, ví dụ như "đến LinkedIn để ứng tuyển tất cả các công việc mà tôi đủ điều kiện".
Về các kịch bản áp dụng sớm của sản phẩm, Srinivas đã chia sẻ một "ứng dụng giết người" bất ngờ: tư vấn sức khỏe và y tế. Tại Mỹ, hệ thống chăm sóc sức khỏe không phải là tối ưu, và mọi người thường có những câu hỏi về tình trạng của mình. Perplexity có thể tham khảo các trang web chuyên ngành như PubMed, NIH, WebMD, lọc thông tin không liên quan, thậm chí đọc các bản in trước như bioRxiv, và đưa ra các câu trả lời dựa trên nguồn tham khảo. Bản thân ông cũng thường xuyên sử dụng nó để tìm kiếm các nghiên cứu mới nhất về chất bổ sung hoặc các loại thuốc có tranh cãi lâu dài.
Trong lĩnh vực giáo dục, tính năng "không gian" (Spaces) của Perplexity cũng rất được ưa chuộng. Sinh viên có thể tạo một không gian cho mỗi khóa học, tải lên tất cả tài liệu học tập, sau đó đặt câu hỏi về các nội dung cụ thể này, tạo hướng dẫn học tập, thậm chí chia sẻ với bạn học. Điều này tương đương với việc mỗi sinh viên được trang bị mộttrợ lý cá nhân luôn sẵn sàng. Srinivas hy vọng rằng trạng thái lý tưởng trong tương lai là một "AI chủ động", có thể hiểu mức độ hiểu biết của bạn về một chủ đề và dựa trên những câu hỏi bạn đã đặt ra, chính xác cho bạn biết nên dành thời gian học tập ở đâu.
Những năm tháng tại Berkeley và sự thức tỉnh của gen khởi nghiệp
Cuộc trò chuyện tự nhiên chuyển sang hành trình cá nhân của Srinivas. Khi được hỏi làm thế nào ông chuyển từ môi trường học thuật tại Berkeley sang khởi nghiệp, ông thừa nhận rằng ban đầu ông có ấn tượng về Berkeley là một "trường học rất học thuật", trong khi Stanford mới là cái nôi của khởi nghiệp. "Stanford là nơi Google, Cisco và Yahoo ra đời, còn người Berkeley thì nhận được các vị trí giảng dạy." Nhưng khi thấy các giáo sư như Pieter Abbeel (Pieter Abbeel) cũng khởi nghiệp, và sự thành công của các công ty như Databricks, ông dần cảm nhận được không khí khởi nghiệp tại Berkeley.
Ông đã nghiên cứu sâu về câu chuyện thành lập Google, và tham vọng khởi nghiệp luôn tồn tại, nhưng luôn chờ đợi thời điểm, ý tưởng và đội ngũ phù hợp. "Thành lập công ty cần rất nhiều may mắn," ông nói, "để công ty thành công, cần một lượng may mắn khổng lồ; nhưng ngay cả khi ở đúng thời điểm, đúng địa điểm, với đội ngũ phù hợp để thành lập một công ty, cũng cần nhiều yếu tố khác cùng hội tụ." Ông khiêm tốn cho rằng một phần thành công của Perplexity là do "may mắn", nhưng đồng thời cũng nhấn mạnh rằng,Berkeley có lợi thế độc đáo trong thời đại AI chuyển từ nghiên cứu sang thực hành nhanh chóng. Ông nhớ lại rằng năm ông nhập học, chương trình AI của Berkeley đã nhận được khoảng 2000 đơn đăng ký và chấp nhận 40 người, trong đó 38 người đã chấp nhận lời mời, từ bỏ các trường danh tiếng như Stanford, MIT và CMU, chỉ vì Berkeley là nơi tiên phong và thú vị nhất trong nghiên cứu AI vào thời điểm đó. Môi trường cạnh tranh khốc liệt này đã thúc đẩy mọi người viết những bài luận tốt nhất, tạo nền tảng vững chắc.
Pieter Abbeel (Pieter Abbeel) tò mò về cách Srinivas nổi bật từ Ấn Độ để có cơ hội hợp tác với Yoshua Bengio (Yoshua Bengio). Srinivas chia sẻ một câu chuyện thể hiện sự "tài nguyên" của mình: khi học tại Viện Công nghệ Ấn Độ (IIT), một giáo sư đã đưa cho ông bài báo về DeepMind DQN (AI chơi game Atari) và yêu cầu ông tái tạo lại bằng Python và thử làm học chuyển tiếp. Không có tài nguyên tính toán, ông đã "mượn" card đồ họa của một số nghiên cứu sinh đam mê game trong phòng thí nghiệm. Cuối cùng, ông đã thành công tái tạo bài báo và thực hiện một số nghiên cứu cơ bản, xuất bản bài báo. Ông đã đóng gói những thành quả này vào CV và ứng tuyển thực tập tại phòng thí nghiệm Montreal (MILA), và nhờ tự học framework Theano, ông đã có được cơ hội.
Abbeel cười và bổ sung một giai thoại: lời khuyên ông nói với Srinivas nhiều nhất là "bạn phải ngủ". Srinivas hiện tại rất đồng ý với điều này, ông tự hào nói rằng mình hiện tại ngủ 7.5 giờ mỗi đêm, và cho rằngngủ là cách tốt nhất để đối phó với căng thẳng, tốt hơn nhiều so với ăn pizza, kem như các phương pháp giải tỏa ngắn hạn.
Dòng chảy giá trị của AI và tác động của các mô hình mã nguồn mở
Chủ đề chuyển sang xu hướng vĩ mô của ngành. Pieter Abbeel (Pieter Abbeel) đề cập rằng sự kiện lớn trong ngành AI năm qua có lẽ là sự trỗi dậy của nhóm Trung Quốc DeepSeek. Srinivas hoàn toàn đồng ý và gọi đó là một "điểm ngoặt lớn".
Ông giải thích rằng DeepSeek là mô hình "suy luận" mã nguồn mở đầu tiên. Khác với các mô hình điển hình như GPT hoàn thành đầu vào-đầu ra ngay lập tức, mô hình suy luận sẽ thực hiện "chuỗi suy nghĩ", suy nghĩ qua một "dòng ý thức" trước khi đưa ra câu trả lời, do đó mạnh mẽ hơn trong việc xử lý các truy vấn hoặc nhiệm vụ phức tạp. Trước đây, mô hình o3 của OpenAI mặc dù có khả năng suy luận, nhưng là mã nguồn đóng. Trong khi đó, phòng thí nghiệm DeepSeek của Trung Quốc không chỉ mở mã nguồn mô hình, phát hành trọng số miễn phí, mà ứng dụng của họ cũng miễn phí, và đã vượt qua thành quả của OpenAI trong nhiều bài kiểm tra chuẩn. Họ tuyên bố chỉ chi 600 triệu USD để đào tạo mô hình này (mặc dù có thể hơi phóng đại), nhưng điều này tạo nên sự tương phản rõ rệt với các khoản đầu tư hàng tỷ USD.
Sự kiện này đã gây chấn động toàn cầu: chúng ta thực sự cần siêu máy tính khổng lồ và số tiền khổng lồ không? Tại sao Mỹ không làm được? Cùng với bối cảnh quan hệ Mỹ-Trung hiện tại, tác động của sự kiện này càng sâu sắc hơn. Srinivas chỉ ra rằng điều này có lợi cho các công ty lớp ứng dụng như Perplexity, bởi vì mỗi khi có mô hình mã nguồn mở vượt qua mô hình đóng, các phòng thí nghiệm mã nguồn đóng sẽ nhanh chóng phản ứng:giảm giá, phát hành mô hình tốt hơn, đẩy nhanh ra thị trường, điều này tốt cho toàn bộ hệ sinh thái.
Vậy, khi khả năng AI ngày càng mạnh mẽ, giá trị sẽ chảy về đâu? Srinivas đưa ra một phán đoán rõ ràng:giá trị sẽ tích lũy ở lớp ứng dụng và lớp chip.
Ông giải thích rằng lớp ứng dụng (như Perplexity) là lớp mà người dùng trực tiếp trải nghiệm AI, bao gồm ngữ cảnh cá nhân của người dùng, do đó có thể xây dựng trải nghiệm độc đáo và khác biệt. Lớp chip (như NVIDIA) cung cấp "nền tảng thông minh". Trong khi đó, lớp mô hình cơ bản ở giữa, do các khả năng cốt lõi như suy luận, tóm tắt, dịch thuật, mã hóa toán học đang trở thành hàng hóa, cùng với "cạnh tranh đáy" của các mô hình mã nguồn mở, không gian lợi nhuận của nó sẽ bị thu hẹp.
Bên dưới lớp ứng dụng là các cơ sở hạ tầng vật lý như trung tâm dữ liệu và chip. Chỉ có các nhà cung cấp đám mây quy mô lớn mới có vốn và khả năng xây dựng các cụm máy chủ khổng lồ chứa hàng nghìn GPU, có độ tin cậy cao và kết nối tốc độ cao. Đây là một lĩnh vực cần chi tiêu vốn lớn.
Tham vọng táo bạo: Từ đấu giá TikTok đến xây dựng trình duyệt gốc AI
Pieter Abbeel (Pieter Abbeel) đề cập đến một số hành động táo bạo đáng ngạc nhiên của Srinivas và Perplexity, chẳng hạn như tham gia đấu giá TikTok. Srinivas xác nhận rằng đây không phải là trò đùa, họ thực sự đã đưa ra giá thầu. Cân nhắc của ông là: TikTok hiện có khoảng một phần ba người dùng Mỹ, và lưu lượng tìm kiếm hàng ngày của nó đã đạt một phần ba lưu lượng tìm kiếm của Google. Nếu có thể sở hữu TikTok và xây dựng lại thuật toán của nó, tiếp quản thanh tìm kiếm, sẽ có giá trị chiến lược lớn. Tuy nhiên, ông cũng thừa nhận rằng vấn đề này mang tính chính trị cao, và khi các vấn đề như thuế quan trở thành tâm điểm, sự chú ý của công chúng đã chuyển hướng.
Một hành động khác gây chú ý là Perplexity đã làm chứng trong vụ kiện chống độc quyền của Bộ Tư pháp Mỹ đối với Google. Srinivas làm rõ rằng họ không chủ động đề xuất mua lại trình duyệt Chrome của Google. Thay vào đó, trong lời khai của mình, họphản đối việc buộc Google bán Chrome, bởi vì Chrome gắn liền với dự án mã nguồn mở Chromium do Google dẫn đầu, và Chromium là nền tảng của các trình duyệt khác như Microsoft Edge (thị phần thứ hai). Họ cho rằng Chromium được Google duy trì tốt hơn là được kiểm soát bởi (ông ám chỉ) một công ty như OpenAI "không xứng với tên tuổi". Tất nhiên, họ cũng nói rằng nếu Bộ Tư pháp kiên quyết yêu cầu bán, Perplexity có hứng thú tiếp quản.
Những sự kiện này cho thấy Perplexity, chỉ mới thành lập hai năm rưỡi, đã tham gia vào các cuộc đối thoại hàng đầu định hình cấu trúc của các gã khổng lồ công nghệ toàn cầu.
Về mặt triển khai thực tế hơn, Perplexity đang mở rộng phạm vi tiếp cận thông qua tích hợp sâu. Ví dụ, hợp tác với Deutsche Telekom để tích hợp trợ lý Perplexity vào màn hình khóa của T-Phone; đạt được thỏa thuận cài đặt sẵn với Motorola, bao phủ khoảng 4000 triệu điện thoại mỗi năm. Srinivas nhấn mạnh rằng chiến lược của họ là làm cho AI trở nên phổ biến và dễ tiếp cận, thay vì yêu cầu người dùng chủ động học cách sử dụng một ứng dụng nào đó.Hướng đi trong tương lai là tích hợp sâu ở cấp hệ điều hành hoặc ứng dụng, để trợ lý AI luôn đồng hành với người dùng.
Nghiên cứu, giảng dạy và tư duy sản phẩm: Phương pháp luận đằng sau thành công
Pieter Abbeel (Pieter Abbeel) nhìn lại sản lượng nghiên cứu đáng kinh ngạc của Srinivas trong thời gian tại Berkeley, bao gồm các công trình tiên phong hoặc cải tiến đáng kể trong nhiều lĩnh vực như học không giám sát thị giác, tăng tốc học tăng cường, mô hình dòng, tích hợp Transformer và ConvNet, tạo video, Transformer học tăng cường. Ông hỏi về bí quyết thành công.
Srinivas cho rằng một phần nguyên nhân là do sự tập trung và chăm chỉ, đặc biệt là trong đại dịch COVID-19, ông đã dành gần như toàn bộ thời gian cho công việc. Nhưng ông cũng chia sẻ một sự thay đổi phương pháp luận quan trọng:Ban đầu ông nghĩ rằng ý tưởng càng phức tạp thì càng được tôn trọng trong lĩnh vực, nhưng đây thực sự là một sai lầm. Sau đó ông nhận ra rằng không nên chỉ phục vụ một số ít "người thông minh" trong lĩnh vực, mà nên làm những công việc đủ đơn giản, thay đổi cơ bản để có thể tiếp cận rộng rãi, từ đó tối đa hóa tác động của nghiên cứu. Những ý tưởng thực sự quan trọng thường là những ý tưởng đủ đơn giản để mọi người có thể tiếp tục xây dựng dựa trên đó.
Ông cũng đề cập đến kinh nghiệm cùng Pieter Abbeel (Pieter Abbeel) và Jonathan Ho giảng dạy khóa học "Học không giám sát sâu" tại Berkeley (khóa học này sau đó phát triển thành khóa học AI tạo sinh). Khi đó, họ nhận ra rằng các mô hình học tăng cường thiếu kiến thức phổ thông, và cách duy nhất để có được kiến thức phổ thông là nuốt chửng một lượng dữ liệu khổng lồ, và hàm mục tiêu duy nhất có thể đóng vai trò "bọt biển" là học không giám sát. Để buộc bản thân hiểu sâu về chủ đề này, họ quyết định mở khóa học. "Cách tốt nhất để học một điều gì đó là dạy nó." Khóa học ban đầu có 200 sinh viên, sau bài tập đầu tiên chỉ còn 50 người, nhưng quá trình giảng dạy đã củng cố kiến thức của họ và tạo nền tảng cho nghiên cứu tiếp theo.
Về cách sinh viên trong thời đại AI cân bằng việc sử dụng AI với việc duy trì tư duy độc lập, Srinivas thừa nhận rằng câu trả lời thay đổi sau mỗi sáu tháng. Nhưng ông cho rằng,khả năng tư duy rõ ràng, có hệ thống là cực kỳ quan trọng. Ngay cả khi làm việc với AI, những người có thể diễn đạt nhu cầu một cách chính xác, rõ ràng và lặp lại với AI cho đến khi hoàn thành nhiệm vụ sẽ có hiệu quả cao hơn nhiều. Đây là một kỹ năng phổ quát, dù là với con người hay AI, những người giỏi giao tiếp và diễn đạt sẽ dễ thành công hơn.
Về tiếp thị, Srinivas có một quan điểm độc đáo. Ông cho rằng người sáng lập hoặc người xây dựng sản phẩm thường là người truyền đạt giá trị sản phẩm tốt nhất đến người dùng, bởi vì họ hiểu rõ nhất tại sao sản phẩm tồn tại và cách sử dụng nó tốt nhất. Ông truy nguyên quan điểm này từ thời học tiến sĩ: ông có lẽ là một trong những người đầu tiên sử dụng hệ thống Twitter dài (Thread) để giải thích chi tiết giá trị cốt lõi của bài báo, thay vì đơn giản đăng liên kết bài báo. Cách làm này đã tăng tốc đáng kể việc lan truyền ý tưởng, khiến ông nhận ra rằng,nắm vững kỹ năng cô đọng ý tưởng phức tạp và truyền đạt hiệu quả đến đông đảo khán giả có thể áp dụng vào mọi khía cạnh của cuộc sống. Tất nhiên, ông cũng đùa rằng giờ đây AI đã có thể tự động tóm tắt bài báo thành Twitter thread.
Hỏi đáp: Cạnh tranh, quyền riêng tư và tương lai
Trong phần hỏi đáp với khán giả sau đó, Srinivas đã trả lời nhiều câu hỏi sắc bén.
Về lợi thế cạnh tranh cốt lõi của Perplexity, ông chỉ ra rằng đó là khả năngđáng tin cậy lấy kết quả thời gian thực từ mạng và cung cấp nguồn tham khảo cho mỗi truy vấn, cũng như tốc độ và phạm vi trả lời. Nhưng ông cho rằng cạnh tranh hơn nữa là xây dựng trình duyệt gốc AI, để người dùng không cần nghĩ về việc sử dụng công cụ AI nào, mà trợ lý AI sẽ tự nhiên hiện diện trong mọi trang web và hộp nhập liệu.
Về quyền riêng tư dữ liệu, Perplexity cung cấp "chế độ ẩn danh", tương tự như tính năng trình duyệt, truy vấn sẽ không được lưu trữ vĩnh viễn. Phiên bản doanh nghiệp hoàn toàn không lưu nhật ký. Người dùng cũng có thể xóa hồ sơ sử dụng AI của mình, tránh bị sử dụng để đào tạo.
Về cách đối phó với các đối thủ cạnh tranh có tài nguyên vượt trội, câu trả lời của Srinivas là:hành động nhanh hơn, phát hành nhiều tính năng hơn, và dám đặt cược khó khăn hơn, lớn hơn, chẳng hạn như phát triển trình duyệt hoặc tích hợp cấp hệ điều hành. Khi đối thủ cũng phải xây dựng một sản phẩm hoàn toàn mới (như trình duyệt), cạnh tranh không còn chỉ là việc thêm tính năng vào sản phẩm cốt lõi.
Về việc học hỏi cần thiết để chuyển đổi từ nền tảng kỹ thuật sang CEO, câu trả lời của Srinivas mang đậm dấu ấn thời đại: ông không đặc biệt học kinh doanh hay lãnh đạo,sản phẩm Perplexity chính là công cụ học tập và ra quyết định của ông. Từ hiểu bảo hiểm y tế đến chuẩn bị câu hỏi phỏng vấn tuyển dụng, đến việc dựa trên dữ liệu bảng điều khiển để AI tạo dự báo tài chính và bài phát biểu gọi vốn, ông đều dựa vào Perplexity. Theo quan điểm của ông, trong thời đại AI, xây dựng một sản phẩm tốt, thu hút người dùng, chuyển đổi một phần người dùng thành người dùng trả phí, và dựa trên hồ sơ thực hiện để gọi vốn, con đường này trực tiếp và hiệu quả hơn so với việc "học kinh doanh" theo nghĩa truyền thống.
Cuối cùng, Pieter Abbeel (Pieter Abbeel) được hỏi về hướng nghiên cứu tiếp theo đáng mong đợi. Ông chỉ ra hai điểm: một là ứng dụng AI trong thế giới vật lý (robot) đang trở nên khả thi, bởi vì điều này đòi hỏi độ tin cậy và khả năng sửa lỗi cực cao, và các mô hình mạnh mẽ hơn đang biến điều này thành hiện thực; hai làhọc liên tục (Continual Learning), tức là mô hình có thể tiếp thu kiến thức mới và cải thiện liên tục như con người, thay vì phụ thuộc vào các "lần chạy đào tạo lớn" cách nhau nửa năm, đây sẽ là một đột phá nghiên cứu thay đổi cuộc chơi.
